bge-reranker-v2-m3
- 开放权重
价格
0 个渠道报价 · 按标价显示这个模型暂无标价渠道。
本地运行
权重： BAAI/bge-reranker-v2-m3- 参数 0.6B
- 稠密
- 原生精度 FP32
- 层数 24
- 每 token 的 KV 缓存 96 KB
- 配置位置数 8K （config.json max_position_embeddings）
在你的配置上 · GeForce RTX 4090
●流畅 原生 FP32 （自动） 8K 上下文 164–246 tok/s单卡
权重KV 缓存运行开销可用上限
- 需要
- ≈ 3.4 GB (权重 2.1（官方文件） + KV 缓存 0.8 + 开销 0.5)
- 可用
- 21.6 GB (标称的 90%)
- 生成速度
- 164–246 tok/s
- 最长上下文
- 8K (模型上限)
- 首 token
- 2K 提示约 0.02–0.03 秒
| 推荐精度 | 权重 | 8K 需要 | 在你的配置上 | 最长上下文 |
|---|---|---|---|---|
| 原生 FP32官方 | 2.1 GB | ≈ 3.4 | ●流畅 164–246 tok/s | 8K |
| Q8_0 | 0.6 GB | ≈ 1.8 | ●流畅 358–537 tok/s | 8K |
| FP8 | 0.5 GB | ≈ 1.8 | ●流畅 367–551 tok/s | 8K |
| Q6_K | 0.4 GB | ≈ 1.7 | ●流畅 396–595 tok/s | 8K |
| Q5_K_M | 0.4 GB | ≈ 1.6 | ●流畅 417–625 tok/s | 8K |
| Q5_0 | 0.4 GB | ≈ 1.6 | ●流畅 422–632 tok/s | 8K |
| Q4_K_M | 0.3 GB | ≈ 1.6 | ●流畅 438–657 tok/s | 8K |
| Q4_0 | 0.3 GB | ≈ 1.5 | ●流畅 448–672 tok/s | 8K |
| IQ4_XS | 0.3 GB | ≈ 1.5 | ●流畅 455–683 tok/s | 8K |
| Q3_K_M质量下降明显 | 0.3 GB | ≈ 1.5 | ●流畅 465–698 tok/s | 8K |
| IQ3_XXS质量下降明显 | 0.2 GB | ≈ 1.5 | ●流畅 493–739 tok/s | 8K |
| Q2_K质量下降明显 | 0.2 GB | ≈ 1.4 | ●流畅 495–742 tok/s | 8K |
| IQ2_XXS质量下降明显 | 0.1 GB | ≈ 1.4 | ●流畅 530–795 tok/s | 8K |
点一行换精度。“官方”是厂商自己发布的文件，大小是实际值；其余按参数量 × 每权重位数估算。
和其他配置比
每个配置各用它能跑的最高精度，点一个看细节。
最低需要（Q4_K_M · 8K）：显卡 GeForce RTX 3080；统一内存 Apple M5 · 16 GB。
运行命令
vLLM
vllm serve BAAI/bge-reranker-v2-m3 --max-model-len 8192
微调需要多少显存
全参≈ 11.0 GB你的配置放得下
LoRA≈ 3.7 GB你的配置放得下
QLoRA≈ 2.9 GB你的配置放得下
batch 1、序列 2048、梯度检查点；LoRA / QLoRA 为注意力投影上的 r=16 适配器。
估算；数据来自厂商的 Hugging Face 仓库，截至 2026-11-06。 怎么估算的
引用评分
来自第三方排行榜，并非我们测得我们引用的排行榜暂未覆盖重排序模型。
变更
全部变更 →暂无变更记录。
来源
- BAAI/bge-reranker-v2-m3 model card（在新标签页打开） huggingface.co · 核对于 2026年10月30日
- BAAI/bge-reranker-v2-m3 model card（在新标签页打开） huggingface.co · 核对于 2026年10月30日
- BAAI/bge-reranker-v2-m3 config.json（在新标签页打开） huggingface.co · 核对于 2026年11月2日
- BAAI/bge-reranker-v2-m3 files（在新标签页打开） huggingface.co · 核对于 2026年10月30日
本页部分数值尚待与官方页面核对：实心圆点已核实，空心圆点尚未核实（无论是否已有来源）。 我们如何核实数据
BAAI · 中国 · baai.ac.cn
相关模型
快照、同系列与同厂商的其他模型