Source: https://ailoot.ai/models/de-at/baai-bge-base-en-v1-5/ Canonical: https://ailoot.ai/models/de-at/baai-bge-base-en-v1-5/ Language: de-at # BAAI: bge-base-en-v1.5 [Markdown](https://ailoot.ai/models/de-at/baai-bge-base-en-v1-5/index.md) · [JSON](https://ailoot.ai/models/de-at/baai-bge-base-en-v1-5/facts.json) ## [BAAI: bge-base-en-v1.5](https://ailoot.ai/models/de-at/baai-bge-base-en-v1-5/) BAAI bge-base-en-v1.5 wandelt englischen Text in 768-dimensionale Vektoren für semantische Suche und Ähnlichkeitsaufgaben um. Sein Eingabefenster von 512 Tokens und die nur für Suchanfragen verwendete Suchinstruktion eignen sich für fokussierte Passagen in einem Dokumenten- oder Wissenssuchindex. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `baai/bge-base-en-v1.5`](https://ailoot.ai/models/de-at/baai-bge-base-en-v1-5/#method-0) Über das Modell Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt. bge-base-en-v1.5 ist das dichte englische Embedding-Modell von BAAI in Basisgröße. Es wandelt jeden Text in eine 768-dimensionale numerische Repräsentation für Informationssuche und semantische Vergleiche um. Das Modell gehört zur BGE-v1.5-Reihe, die die Verteilung der Ähnlichkeitswerte der früheren Familie überarbeitet und die Suche ohne mitgelieferte Instruktion verbessert. Seine Ausgabe ist ein Vektor zum Vergleich von Texten oder zum Auffinden relevanter Passagen. #### Suchanfragen und Passagen vorbereiten Für eine kurze Anfrage, die längere Passagen durchsucht, empfiehlt BAAI das Präfix „Represent this sentence for searching relevant passages:“. Die Korpuspassagen erhalten diese Instruktion nicht. Für andere Aufgaben kann der Originaltext direkt eingebettet werden. Der Hersteller weist darauf hin, dass v1.5 auch ohne Instruktion funktioniert; die Vorbereitung sollte daher aufgabenbezogen gewählt werden, statt das Präfix als einzig gültige Eingabe zu behandeln. Eine praktische Suchsammlung kann Hilfeartikel, Produkterklärungen oder technische Anweisungen enthalten. Eine Anfrage wie „Wie ändere ich das Exportformat?“ sollte die Passage abrufen, die diese Handlung beschreibt. Halten Sie die Abschnittsüberschrift, relevante Bedingungen und den tatsächlichen Quelltext zusammen. Speichern Sie die Kennung und Fundstelle der Passage bei ihrem Vektor, damit ein Suchergebnis lesbaren Inhalt zurückgeben kann, den eine spätere Antwortstufe auch zitieren kann. #### Vektorformat und Vergleich Die dokumentierte Repräsentation verwendet den letzten verborgenen Zustand des ersten Tokens, des CLS-Tokens, als Satz-Embedding. Die Beispiele des Herstellers normalisieren den Vektor und vergleichen normalisierte Embeddings mit einem Skalarprodukt, das der Kosinusähnlichkeit entspricht. Die 768 Dimensionen sind die Größe der Ausgaberepräsentation dieses Modells; sie sind weder eine wählbare Kontextlänge noch ein Kontingent für Textgenerierung. Verwenden Sie für die verglichenen Anfrage- und Korpusvektoren dasselbe Modell und dieselbe Vorbereitungskonvention. Eine praktische Prüfung besteht darin, für eine kleine Menge tatsächlicher Nutzerfragen bekannte antwortrelevante Passagen abzurufen und den zurückgegebenen Text zu untersuchen. Eine kompatible Vektorform ermöglicht dem Index die Speicherung der Repräsentation, während die Quellpassage belegt, was das Ergebnis tatsächlich aussagt. #### Eingabelänge und Dokumentvorbereitung Die dokumentierte Sequenzlänge des Modells beträgt 512 Tokens. Eine lange Quelle sollte deshalb vor der Embedding-Berechnung in zusammenhängende, antwortrelevante Passagen aufgeteilt werden. Bewahren Sie Definitionen und Ausnahmen bei der Aussage, auf die sie sich beziehen, und erhalten Sie die Verbindung von einer Passage zu ihrem übergeordneten Dokument. Der einzubettende Text umfasst jede ergänzte Instruktion und Überschrift; eine kompakte Vorbereitung lässt daher mehr Platz für den nützlichen Quellinhalt. Wählen Sie bei einem Bericht oder Handbuch Grenzen um einen Abschnitt oder eine kleine Gruppe zusammengehöriger Absätze. Eine Passage, die nur einen Titel oder ein Fragment ohne dessen Gegenstand enthält, kann nach dem Abruf schwer verständlich sein. Bewahren Sie den Originaltext und eine Quellversion auf, damit eine Indexaktualisierung bei Dokumentänderungen das zugehörige Material ersetzen kann. #### Bewertungen und nützliche Ausgabe BAAI warnt davor, absolute Ähnlichkeitswerte als universelle Schwellenwerte dafür zu verwenden, ob zwei Texte dasselbe bedeuten. Entscheidend ist die relative Rangfolge, und ein Filterschwellenwert sollte anhand der Verteilung in den eigenen Aufgabendaten gewählt werden. Eine hohe Vektorähnlichkeit ist ein Suchsignal und keine Verifizierung des sachlichen Inhalts der Passage. Das nützliche Ergebnis ist ein englischer Passagenindex, eine Menge von Anfragevektoren oder numerische Merkmale für semantische Vergleiche. Ein separater Reranker kann abgerufene Kandidaten verfeinern, und eine separate Generierungsstufe kann aus deren Text eine Antwort verfassen. Dieses konkrete englische Basismodell v1.5 bleibt von BGE Large, chinesischen Ausgaben sowie den mehrsprachigen und hybriden Retrieval-Profilen von BGE-M3 getrennt. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `baai/bge-base-en-v1.5` [`baai/bge-base-en-v1.5`](https://ailoot.ai/models/de-at/#m=baai%2Fbge-base-en-v1.5&route=Ultra&caller=baai%2Fbge-base-en-v1.5&fmt=embeddings) BAAI /`baai/bge-base-en-v1.5` ### Einstieg BAAI bge-base-en-v1.5 wandelt englischen Text in 768-dimensionale Vektoren für semantische Suche und Ähnlichkeitsaufgaben um. Sein Eingabefenster von 512 Tokens und die nur für Suchanfragen verwendete Suchinstruktion eignen sich für fokussierte Passagen in einem Dokumenten- oder Wissenssuchindex. Zulässige Eingaben Text · token\_ids Ergebnisse embedding ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Eingabe `text`, `token_ids` Ausgabe `embedding` Ausgabeformat json | Feld | Typ | Anforderung | Werte und Limits | Standard | | --- | --- | --- | --- | --- | | Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits baai/bge-base-en-v1.5 | Standard— | | Feld`input` | Typ`string\|string[]\|integer[]\|integer[][]` | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 Bedingungen: Nicht leerer, homogener Batch. Token-IDs sind nichtnegative Ganzzahlen. Eingabebudget: Maximum: 512 · Texteinheit: UTF8-Bytes · Tokeneinheit: Elemente des Token-Arrays | Standard— | | Feld`encoding_format` | Typ`string` | AnforderungOptional | Werte und Limits float | Standardfloat | | Feld`dimensions` | Typ`integer` | AnforderungNicht unterstützt | Werte und Limits Minimum: 1 | Standard— | | Feld`user` | Typ`json_value` | AnforderungOptional | Werte und Limits Bedingungen: Die Quelle lässt dieses JSON-Metadatenfeld zu; die genaue Semantik des vorgelagerten Systems ist modellspezifisch. | Standard— | | Feld`session_id` | Typ`json_value` | AnforderungOptional | Werte und Limits Bedingungen: Die Quelle lässt dieses JSON-Metadatenfeld zu; die genaue Semantik des vorgelagerten Systems ist modellspezifisch. | Standard— | | Feld`trace` | Typ`json_value` | AnforderungOptional | Werte und Limits Bedingungen: Die Quelle lässt dieses JSON-Metadatenfeld zu; die genaue Semantik des vorgelagerten Systems ist modellspezifisch. | Standard— | | Feld`provider` | Typ`object` | AnforderungOptional | Werte und Limits Bedingungen: provider.options abgelehnt | Standard— | Kombinationen von Eingabematerialien **text\_to\_embedding** Methodenparameter und Lebenszyklus | Parameter | Vertrag | | --- | --- | | Parameter`content_type` | Vertragapplication/json | | Parameter`required` | Vertragmodel, input | | Parameter`input_shapes` | Vertragstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parameter`encoding_format` | Vertragfloat | | Parameter`dimensions_override` | Vertragfalse | | Parameter`max_input_budget_units` | Vertrag512 | | Parameter`multimodal_objects` | Vertragfalse | | Parameter`material_types` | Vertragtext, token\_ids | Lebenszyklus: `synchronous_json` Jeden Vektorindex und jede Dimension beibehalten. Ein multimodaler Modellname erlaubt auf genau diesem Pfad keine Bildobjekte. ### Tarife Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode. Schnellmodus Nicht angegeben Wenn der Schnellmodus ausgewählt ist Flex-Modus Nicht angegeben Wenn der Modus flex ausgewählt ist Maximaler Denkaufwand Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird #### Ailoot-Tarife #### Preise nach Konfiguration | Konfiguration | Tarifstaffel | Gebühr | | --- | --- | --- | | KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken **$0.00001** / 1K Tokens Ausgabe · Ausgabetoken **$0** / 1K Tokens Eingabe · Cache lesen **—** / 1K Tokens Eingabe · In Cache schreiben **—** / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde **—** / 1K Tokens | Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de-at/billing/reserve/) ### Beispielanfragen #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "baai/bge-base-en-v1.5", "input": ["First document", "Second document"]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")})) PY_RESULT ``` ```python from openai import OpenAI import os client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.embeddings.create(model='baai/bge-base-en-v1.5',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Ergebnisse abrufen und speichern #### Ailoot Ultra · Embeddings json ##### Alle fertiggestellten Ergebnisse aufbewahren Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf. Jeden Vektor mit seinem Index beibehalten. Die Anzahl der Vektoren muss der Anzahl der Eingaben entsprechen; die Dimensionen müssen konsistent sein. ##### Wenn die ursprüngliche Antwort geprüft werden muss Es wird kein Endpunkt für Embedding-Aufträge eingeführt. Antwortfelder | Feld | Typ | | --- | --- | | Feld`object` | Typstring | | Feld`model` | Typstring | | Feld`data[].index` | Typinteger | | Feld`data[].embedding` | Typfinite float\[\] | | Feld`usage` | Typobject | Fehler und nächste Schritte | Antwort | Bedingung | Nächster Schritt | | --- | --- | --- | | Antwort400 · `invalid_request_error` | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. | ### Aliasnamen #### Modellaliasnamen **Ailoot Ultra** [`baai/bge-base-en-v1.5`](https://ailoot.ai/models/de-at/#m=baai%2Fbge-base-en-v1.5&route=Ultra&caller=baai%2Fbge-base-en-v1.5&fmt=embeddings) #### Aliasnamen für Methodenpfade Verwenden Sie die oben angezeigten Methodenpfade. #### Zugehörige Aufrufer-IDs [`baai/bge-base-en-v1.5`](https://ailoot.ai/models/de-at/#m=baai%2Fbge-base-en-v1.5&route=Ultra&caller=baai%2Fbge-base-en-v1.5&fmt=embeddings) FAQ · BAAI: bge-base-en-v1.5 Welche Eingaben und Ergebnisse sind verfügbar? `POST /v1/embeddings` · `baai/bge-base-en-v1.5`: `text`, `token_ids` → `embedding` Welche Felder verwendet die Anfrage? `POST /v1/embeddings` · `baai/bge-base-en-v1.5`: `model`, `input`, `encoding_format`, `provider` Welche Grenzen gelten? `POST /v1/embeddings` · `baai/bge-base-en-v1.5`: `input.budget.maximum`: `512` (UTF8-Bytes); `input.min_items`: `1` Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung. ## Das Unternehmen und sein Projektportfolio Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. ## Tokens mit Rabatt kaufen. Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf. Abo Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen. Aktionscode bis 50% Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet. Ausgaben in der Historie Modell, Tokens und Betrag werden für jede Anfrage gespeichert. [Abo wählen](https://ailoot.ai/docs/de-at/billing/subscriptions/) · [Modellpreise ansehen](https://ailoot.ai/models/de-at/) ## Verbinden Sie die API mit dem Produkt, das Sie verkaufen. SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an. Kommerzielle Anwendung Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes. Reseller-Lizenz Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an. Dokumente auf der Website Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich. [Reseller-Lizenz anfordern](mailto:support@ailoot.ai) · [Offizielles Angebot und Lizenzvertrag](https://ailoot.ai/legal/offer?lang=de-at) ## Ailoot · Das Unternehmen und sein Projektportfolio Ailoot baut auf bewährte Betriebserfahrung, einen großen Kundenstamm, stabilen Service und kontinuierliche KPI-Kontrolle. Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. Ailoot nutzt diese Betriebserfahrung für den API-Zugang zu KI-Funktionen in Kundenprodukten, Agenten, Anwendungen und Automatisierungen.