待验证50% 置信事实精确时间
主流嵌入模型如all-MiniLM-L6-v2、BGE系列、E5系列通常基于BERT架构，将文本编码为384至1536维的稠密浮点向量
1
来源数
50%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
14倍提速：Manticore如何重构ONNX嵌入推理路径
hackernewshackernews2026/7/3
相关事实
已验证嵌入模型（如OpenAI的text-embedding-ada-002或开源的BGE系列）将文本转换为高维向量，通常为768或1536维73% 相似待验证文本经Embedding模型编码为768至3072维的浮点向量，存入向量数据库后通过近似最近邻算法（HNSW、IVF等）在毫秒级完成相似度检索69% 相似待验证嵌入模型将文本转化为高维稠密向量（通常为768至4096维），通过近似最近邻算法（ANN，如HNSW或IVF-PQ）快速检索语义相似内容67% 相似已验证嵌入模型将文本转换为高维向量时，通常生成768维或1536维的浮点数数组67% 相似待验证全部四种Gemma 4模型都支持文本和图片输入，Edge模型（E2B和E4B）还额外支持音频输入66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/126787API
curl https://kongchang.com/api/v1/knowledge/claims/126787MCP
get_claim(id=126787)