Wachsender lokaler Katalog nach Chat, Code, Suche, Reranking und Sprache. Mehrere Generationen, kein vollständiger Marktüberblick aller neuesten Modelle. Qualität und Tempo wurden hier nicht einheitlich gemessen.
Text-Embeddings · Suchergebnisse neu ordnen · Sprache zu Text
Embedding-Modelle erzeugen Suchvektoren, Reranker bewerten Textkandidaten und Sprachmodelle transkribieren Audio. Chatqualität ist kein gemeinsamer Maßstab. Batch-, Aktivierungs- und Audiospeicher sind nicht modelliert; Kapazität manuell prüfen statt mit der Chat-Cache-Formel.
Unter gleichen Einstellungen vergleichen; Größe aus öffentlichen Tensor-Elementzahlen kann von der Modellbezeichnung abweichen. Basislizenz und Nutzungsbedingungen mitlesen.
bge-reranker-v2-m3
Familie
BGE Reranker
Basis der Gewichtsgröße
0.57 B
Dokumentierte/konfigurierte Kontextgrenze
Unbekannt
Lizenzkennung (siehe Quelle)
apache-2.0
Einsatz
Suchergebnisse neu ordnen
Embedding-Modelle erzeugen Suchvektoren, Reranker bewerten Textkandidaten und Sprachmodelle transkribieren Audio. Chatqualität ist kein gemeinsamer Maßstab. Batch-, Aktivierungs- und Audiospeicher sind nicht modelliert; Kapazität manuell prüfen statt mit der Chat-Cache-Formel.
Embedding-Modelle erzeugen Suchvektoren, Reranker bewerten Textkandidaten und Sprachmodelle transkribieren Audio. Chatqualität ist kein gemeinsamer Maßstab. Batch-, Aktivierungs- und Audiospeicher sind nicht modelliert; Kapazität manuell prüfen statt mit der Chat-Cache-Formel.
Embedding-Modelle erzeugen Suchvektoren, Reranker bewerten Textkandidaten und Sprachmodelle transkribieren Audio. Chatqualität ist kein gemeinsamer Maßstab. Batch-, Aktivierungs- und Audiospeicher sind nicht modelliert; Kapazität manuell prüfen statt mit der Chat-Cache-Formel.
Embedding-Modelle erzeugen Suchvektoren, Reranker bewerten Textkandidaten und Sprachmodelle transkribieren Audio. Chatqualität ist kein gemeinsamer Maßstab. Batch-, Aktivierungs- und Audiospeicher sind nicht modelliert; Kapazität manuell prüfen statt mit der Chat-Cache-Formel.
Embedding-Modelle erzeugen Suchvektoren, Reranker bewerten Textkandidaten und Sprachmodelle transkribieren Audio. Chatqualität ist kein gemeinsamer Maßstab. Batch-, Aktivierungs- und Audiospeicher sind nicht modelliert; Kapazität manuell prüfen statt mit der Chat-Cache-Formel.
Embedding-Modelle erzeugen Suchvektoren, Reranker bewerten Textkandidaten und Sprachmodelle transkribieren Audio. Chatqualität ist kein gemeinsamer Maßstab. Batch-, Aktivierungs- und Audiospeicher sind nicht modelliert; Kapazität manuell prüfen statt mit der Chat-Cache-Formel.
Embedding-Modelle erzeugen Suchvektoren, Reranker bewerten Textkandidaten und Sprachmodelle transkribieren Audio. Chatqualität ist kein gemeinsamer Maßstab. Batch-, Aktivierungs- und Audiospeicher sind nicht modelliert; Kapazität manuell prüfen statt mit der Chat-Cache-Formel.
Embedding-Modelle erzeugen Suchvektoren, Reranker bewerten Textkandidaten und Sprachmodelle transkribieren Audio. Chatqualität ist kein gemeinsamer Maßstab. Batch-, Aktivierungs- und Audiospeicher sind nicht modelliert; Kapazität manuell prüfen statt mit der Chat-Cache-Formel.
Größen und Hashes stammen aus Autorenlisten, ohne Gewichtsdownload. Dateigröße ist nicht gesamter Laufzeitspeicher. Eine geprüfte Datei passender Präzision ersetzt die allgemeine Gewichtsschätzung, vor Cache und Reserven.
Kapazitätsszenario statt Benchmark: Gewichtselemente × Bit ÷ 8 plus 20 % Reserve; F16-KV aus Schichten, KV-Köpfen und Kontext plus 1,5 GiB Laufzeitreserve. Mindestens 4 GiB oder 25 % RAM und 2 GiB VRAM freihalten. Ein Modell, eine Textsequenz; keine gemessene GGUF-Größe oder Laufgarantie.
Hybride Architekturen, Sonderformate oder fehlende Konfigurationen manuell prüfen. Bild-/Audioaufwand fehlt. MoE nach Gesamtgewichten, nicht aktiven Parametern. 4/8 Bit belegt weder verfügbare Quantisierung noch Backend-Kompatibilität.