{ "aboutHtml": "

BAAI/bge-large-zh-v1.5 ist die chinesische Ausgabe von BAAI General Embedding v1.5. Sie passt zu einem chinesischsprachigen Suchindex, etwa zur Zuordnung einer Kundenfrage zum passenden Absatz einer Rückgaberichtlinie. Das Ergebnis ist ein numerischer Vektor für Ähnlichkeitssuche, keine generierte Antwort. Die offizielle Modellkarte benennt den chinesischen Sprachschwerpunkt und beschreibt für v1.5 eine verbesserte Ähnlichkeitsverteilung.

Ailoot akzeptiert unter /v1/embeddings einen Textstring oder ein Array von Strings. Erzeuge Passage- und Anfragevektoren mit genau dieser Ausgabe und ordne jedes data[].embedding seinem data[].index zu. Für kurze Fragen zur Passagensuche empfiehlt BAAI eine Retrieval-Anweisung an der Anfrage; Passagen erhalten keinen Präfix. Kalibriere Ähnlichkeitsschwellen an eigenem Material. Ein Wert ist keine Wahrscheinlichkeit, dass eine Passage die Frage beantwortet. Die Anfragekonvention steht in der BAAI-Modellkarte.

", "aboutText": "BAAI/bge-large-zh-v1.5 ist die chinesische Ausgabe von BAAI General Embedding v1.5. Sie passt zu einem chinesischsprachigen Suchindex, etwa zur Zuordnung einer Kundenfrage zum passenden Absatz einer Rückgaberichtlinie. Das Ergebnis ist ein numerischer Vektor für Ähnlichkeitssuche, keine generierte Antwort. Die offizielle Modellkarte benennt den chinesischen Sprachschwerpunkt und beschreibt für v1.5 eine verbesserte Ähnlichkeitsverteilung. Ailoot akzeptiert unter /v1/embeddings einen Textstring oder ein Array von Strings. Erzeuge Passage- und Anfragevektoren mit genau dieser Ausgabe und ordne jedes data[].embedding seinem data[].index zu. Für kurze Fragen zur Passagensuche empfiehlt BAAI eine Retrieval-Anweisung an der Anfrage; Passagen erhalten keinen Präfix. Kalibriere Ähnlichkeitsschwellen an eigenem Material. Ein Wert ist keine Wahrscheinlichkeit, dass eine Passage die Frage beantwortet. Die Anfragekonvention steht in der BAAI-Modellkarte .", "editorialOverlay": { "copy_fields": { "about_html": "

BAAI/bge-large-zh-v1.5 ist die chinesische Ausgabe von BAAI General Embedding v1.5. Sie passt zu einem chinesischsprachigen Suchindex, etwa zur Zuordnung einer Kundenfrage zum passenden Absatz einer Rückgaberichtlinie. Das Ergebnis ist ein numerischer Vektor für Ähnlichkeitssuche, keine generierte Antwort. Die offizielle Modellkarte benennt den chinesischen Sprachschwerpunkt und beschreibt für v1.5 eine verbesserte Ähnlichkeitsverteilung.

Ailoot akzeptiert unter /v1/embeddings einen Textstring oder ein Array von Strings. Erzeuge Passage- und Anfragevektoren mit genau dieser Ausgabe und ordne jedes data[].embedding seinem data[].index zu. Für kurze Fragen zur Passagensuche empfiehlt BAAI eine Retrieval-Anweisung an der Anfrage; Passagen erhalten keinen Präfix. Kalibriere Ähnlichkeitsschwellen an eigenem Material. Ein Wert ist keine Wahrscheinlichkeit, dass eine Passage die Frage beantwortet. Die Anfragekonvention steht in der BAAI-Modellkarte.

", "short_text": "Chinesische Retrieval-Embeddings von BAAI für Text-zu-Vektor-Anfragen über Ailoot." }, "copy_sha256": "59dc67e054f0545a6e76908c2c0507d90172f9144899f073a4d8a7ddd2dc63fe", "copy_source": { "locale": "de", "pack_sha256": "0f56d90ba41881e1134accf82e57338f246f8753ca4c0cee929aaffada5d10e7", "record_model_id": "BAAI/bge-large-zh-v1.5", "source_facts_sha256": "866960cf8722a5506860d3ab44bacb77dc18c9f55bdc2352ebefa3e21204a255", "validation_sha256": "a2ac2f28056280fc0b2ea34a501bf156d5ce155406e57e708edf30bfdf6bfdc6" }, "html_sha256": "c5f9e3bef138bebe9be7f4914d20da75db1ab617a15b99419671cfe74e8a92da", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "
•

BAAI/bge-large-zh-v1.5

Sonstiges /BAAI/bge-large-zh-v1.5

Start

Chinesische Retrieval-Embeddings von BAAI für Text-zu-Vektor-Anfragen über Ailoot.

Zulässige Eingaben
Text
Ergebnisse
embedding
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.

BAAI/bge-large-zh-v1.5 ist die chinesische Ausgabe von BAAI General Embedding v1.5. Sie passt zu einem chinesischsprachigen Suchindex, etwa zur Zuordnung einer Kundenfrage zum passenden Absatz einer Rückgaberichtlinie. Das Ergebnis ist ein numerischer Vektor für Ähnlichkeitssuche, keine generierte Antwort. Die offizielle Modellkarte benennt den chinesischen Sprachschwerpunkt und beschreibt für v1.5 eine verbesserte Ähnlichkeitsverteilung.

Ailoot akzeptiert unter /v1/embeddings einen Textstring oder ein Array von Strings. Erzeuge Passage- und Anfragevektoren mit genau dieser Ausgabe und ordne jedes data[].embedding seinem data[].index zu. Für kurze Fragen zur Passagensuche empfiehlt BAAI eine Retrieval-Anweisung an der Anfrage; Passagen erhalten keinen Präfix. Kalibriere Ähnlichkeitsschwellen an eigenem Material. Ein Wert ist keine Wahrscheinlichkeit, dass eine Passage die Frage beantwortet. Die Anfragekonvention steht in der BAAI-Modellkarte.

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · Embeddings POST /v1/embeddings
Eingabetypen
text
Ausgabetypen
embedding
FeldTypAnforderungWerte und LimitsStandard
FeldmodelTypstringAnforderungErforderlichWerte und Limits
BAAI/bge-large-zh-v1.5
Bedingungen: Verwenden Sie genau diesen Ailoot-Routingselektor.
Standard—
FeldinputTypstring or array<string>AnforderungErforderlichWerte und Limits
Bedingungen:
Standard—
Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragmodel, input
ParameteroptionalVertrag
Parametermaterial_typesVertragtext
ParameterconditionsVertragVerwenden Sie genau diesen Ailoot-Routingselektor.

Lebenszyklus: synchronous_json

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

KonfigurationTarifstaffelGebühr
KonfigurationBasistarife für TokenTarifstaffelGrundtarifGebühr
Eingabe · Eingabetoken $0.00004 / 1K Token
Ausgabe · Ausgabetoken $0 / 1K Token
Eingabe · Cache-Lesen — / 1K Token
Eingabe · Cache-Schreiben — / 1K Token
Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token

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 →

Beispielanfragen

Ailoot Ultra · Embeddings

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "BAAI/bge-large-zh-v1.5", "input": "The quick brown fox jumps over the lazy dog"}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n

Ergebnisse abrufen und speichern

Aliasnamen

Modellaliasnamen

Ailoot Ultra BAAI/bge-large-zh-v1.5

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

BAAI/bge-large-zh-v1.5

", "method_identity": { "effective_request_model_id": "BAAI/bge-large-zh-v1.5", "fmt": "embeddings", "http": "POST", "path": "/v1/embeddings", "request_model_id": "BAAI/bge-large-zh-v1.5", "route_label": "Ultra" }, "method_key": "Ultra|embeddings|/v1/embeddings|BAAI%2Fbge-large-zh-v1.5", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "accepted_material_guidance": { "conditions": [ "Send text with the selected model; retain every returned vector and its index." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [], "required": [ "model", "input" ] }, "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "authentication": { "header": "Authorization", "scheme": "Bearer", "value": "$AILOOT_API_KEY" }, "errors": [ { "condition": "Ein Pflichtfeld, die Modellauswahl, der Typ oder die Eingabedarstellung ist ungültig.", "http_status": 400, "recovery": "Prüfen Sie die zurückgegebenen Validierungsdetails, bevor Sie eine separate Anfrage vorbereiten.", "type": "invalid_request_error" }, { "condition": "Die ursprüngliche Anfrage oder ihr Ergebnis ist unbekannt oder muss geprüft werden.", "http_status": null, "recovery": "Bewahren Sie die ursprünglichen Kennungen und Header auf; lesen Sie nur unterstützte Status- oder Bibliothekseinträge. Senden Sie den Erstellungsauftrag nicht erneut.", "type": null } ], "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/embeddings" }, "mode": "synchronous_json", "status": [], "unknown": "Bewahren Sie die ursprüngliche X-Client-Request-ID, Antwort und Header auf. Ein unbekanntes Ergebnis oder ein Ergebnis mit dem Status result_pending_check berechtigt nicht zu einem zweiten Erstellungsauftrag.", "unknown_no_replay": true }, "outputs": { "all_results": "Bewahren Sie die vollständige Antwort und die Header, ursprüngliche Kennungen, jede tatsächliche Ausgabe sowie alle Verbrauchs- und Abrechnungsfelder auf. Speichern Sie jedes eindeutige, Ihnen zugeordnete Asset und bewahren Sie jede darauf verweisende Rolle auf.", "every_actual_output": true, "family": "embedding", "fields": [ { "name": "data[].index", "type": "integer" }, { "name": "data[].embedding", "type": "array" }, { "name": "model", "type": "string" }, { "name": "usage", "type": "object" } ] }, "parameters": [ { "conditions": "Verwenden Sie genau diesen Ailoot-Routingselektor.", "default_known": false, "enum": [ "BAAI/bge-large-zh-v1.5" ], "enum_known": true, "maximum_length": null, "name": "model", "required": true, "type": "string" }, { "conditions": "", "default_known": false, "enum_known": false, "maximum_length": null, "name": "input", "oneOf": [ { "minLength": 1, "type": "string" }, { "items": { "minLength": 1, "type": "string" }, "minItems": 1, "type": "array" } ], "required": true, "type": "string or array" } ], "request_schema": { "additionalProperties": true, "properties": { "input": { "oneOf": [ { "minLength": 1, "type": "string" }, { "items": { "minLength": 1, "type": "string" }, "minItems": 1, "type": "array" } ] }, "model": { "enum": [ "BAAI/bge-large-zh-v1.5" ], "type": "string" } }, "required": [ "model", "input" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "input": "The quick brown fox jumps over the lazy dog", "model": "BAAI/bge-large-zh-v1.5" }, "content_type": "application/json", "example_is_offline_content": true }, "usage": { "meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.", "preserve": "Keep all returned usage, accounting and request identifiers with every actual output.", "settlement": "Retain the original operation; reconcile its result and accounting once." } }, "input": { "conditions": [ "Verwenden Sie genau diesen Ailoot-Routingselektor." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [], "required": [ "model", "input" ] }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/embeddings" }, "mode": "synchronous_json", "status": [], "unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/embeddings" }, "method_aliases": [], "output": { "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "every_actual_output": true, "family": "embedding", "fields": [ { "name": "data[].index", "type": "integer" }, { "name": "data[].embedding", "type": "array" }, { "name": "model", "type": "string" }, { "name": "usage", "type": "object" } ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00004000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000004", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"BAAI/bge-large-zh-v1.5\", \"input\": \"The quick brown fox jumps over the lazy dog\"}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "in": 0.04, "input": [ "text" ], "label": "Embeddings", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00004000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000004", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "BAAI/bge-large-zh-v1.5", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00004000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000004", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "BAAI/bge-large-zh-v1.5", "nativeProvenance": { "input_facts_canonical_sha256": "9653f1a1675d5586a57ff66c46da016e879654669c5faa5ec5ac8e846246d20c", "input_html_sha256": "958d6f19fc258ee8b0be5111da00f599e92a6e34d7b3c0ecce607fcba3c516ce", "private_audit_sha256": "8e5036ec02663775e87c3ec9dc2ac92733db882b503da187727b7bf202fc78f3", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/de/baai-bge-large-zh-v1-5/", "description": "Chinesische Retrieval-Embeddings von BAAI für Text-zu-Vektor-Anfragen über Ailoot.", "locale": "de", "md_url": "https://ailoot.ai/models/de/baai-bge-large-zh-v1-5/index.md", "title": "BAAI/bge-large-zh-v1.5 — Ailoot", "url": "https://ailoot.ai/models/de/baai-bge-large-zh-v1-5/" }, "rawModel": { "about": "BAAI/bge-large-zh-v1.5 verwendet /v1/embeddings mit model und input. Übergeben Sie die exakte Modell-ID und entweder einen nicht leeren Textstring oder ein nicht leeres Array von Textstrings. Die JSON-Antwort enthält data-Einträge mit index und embedding sowie Informationen zu model und usage.\n\nBereiten Sie für einen Dokumentindex zusammenhängende Textpassagen vor und bewahren Sie Ihre eigenen Dokument- und Abschnittskennungen neben den übermittelten Strings auf. Ordnen Sie jeden zurückgegebenen Vektor anhand von data[].index zu, statt den Wortlaut einer Passage als Kennung zu verwenden. Kodieren Sie eine Suchanfrage mit demselben ausgewählten Modell, wenn Ihre Anwendung sie mit indexierten Inhalten vergleicht.\n\nDer Endpunkt liefert Vektoren synchron zurück. Bewahren Sie vor dem Aktualisieren des Index jeden data-Eintrag und den vollständigen usage-Datensatz auf. Prüfen Sie, ob die zurückgegebenen Indizes das übermittelte Material vollständig abdecken, und speichern Sie dann den Originaltext und die Modell-ID zusammen mit den Vektoren. So lassen sich spätere Suchergebnisse auf ihre Quellpassagen zurückführen.", "alias_of": null, "aliases": [], "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.00004000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000004", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Die vollständigen Preisangaben zur Konfiguration finden Sie in den Details." } ], "ctx": null, "formats": [ "embeddings" ], "id": "BAAI/bge-large-zh-v1.5", "input": [ "text" ], "kind": "embedding", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "accepted_material_guidance": { "conditions": [ "Send text with the selected model; retain every returned vector and its index." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [], "required": [ "model", "input" ] }, "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "authentication": { "header": "Authorization", "scheme": "Bearer", "value": "$AILOOT_API_KEY" }, "errors": [ { "condition": "Ein Pflichtfeld, die Modellauswahl, der Typ oder die Eingabedarstellung ist ungültig.", "http_status": 400, "recovery": "Prüfen Sie die zurückgegebenen Validierungsdetails, bevor Sie eine separate Anfrage vorbereiten.", "type": "invalid_request_error" }, { "condition": "Die ursprüngliche Anfrage oder ihr Ergebnis ist unbekannt oder muss geprüft werden.", "http_status": null, "recovery": "Bewahren Sie die ursprünglichen Kennungen und Header auf; lesen Sie nur unterstützte Status- oder Bibliothekseinträge. Senden Sie den Erstellungsauftrag nicht erneut.", "type": null } ], "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/embeddings" }, "mode": "synchronous_json", "status": [], "unknown": "Bewahren Sie die ursprüngliche X-Client-Request-ID, Antwort und Header auf. Ein unbekanntes Ergebnis oder ein Ergebnis mit dem Status result_pending_check berechtigt nicht zu einem zweiten Erstellungsauftrag.", "unknown_no_replay": true }, "outputs": { "all_results": "Bewahren Sie die vollständige Antwort und die Header, ursprüngliche Kennungen, jede tatsächliche Ausgabe sowie alle Verbrauchs- und Abrechnungsfelder auf. Speichern Sie jedes eindeutige, Ihnen zugeordnete Asset und bewahren Sie jede darauf verweisende Rolle auf.", "every_actual_output": true, "family": "embedding", "fields": [ { "name": "data[].index", "type": "integer" }, { "name": "data[].embedding", "type": "array" }, { "name": "model", "type": "string" }, { "name": "usage", "type": "object" } ] }, "parameters": [ { "conditions": "Verwenden Sie genau diesen Ailoot-Routingselektor.", "default_known": false, "enum": [ "BAAI/bge-large-zh-v1.5" ], "enum_known": true, "maximum_length": null, "name": "model", "required": true, "type": "string" }, { "conditions": "", "default_known": false, "enum_known": false, "maximum_length": null, "name": "input", "oneOf": [ { "minLength": 1, "type": "string" }, { "items": { "minLength": 1, "type": "string" }, "minItems": 1, "type": "array" } ], "required": true, "type": "string or array" } ], "request_schema": { "additionalProperties": true, "properties": { "input": { "oneOf": [ { "minLength": 1, "type": "string" }, { "items": { "minLength": 1, "type": "string" }, "minItems": 1, "type": "array" } ] }, "model": { "enum": [ "BAAI/bge-large-zh-v1.5" ], "type": "string" } }, "required": [ "model", "input" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "input": "The quick brown fox jumps over the lazy dog", "model": "BAAI/bge-large-zh-v1.5" }, "content_type": "application/json", "example_is_offline_content": true }, "usage": { "meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.", "preserve": "Keep all returned usage, accounting and request identifiers with every actual output.", "settlement": "Retain the original operation; reconcile its result and accounting once." } }, "input": { "conditions": [ "Verwenden Sie genau diesen Ailoot-Routingselektor." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [], "required": [ "model", "input" ] }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/embeddings" }, "mode": "synchronous_json", "status": [], "unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/embeddings" }, "method_aliases": [], "output": { "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "every_actual_output": true, "family": "embedding", "fields": [ { "name": "data[].index", "type": "integer" }, { "name": "data[].embedding", "type": "array" }, { "name": "model", "type": "string" }, { "name": "usage", "type": "object" } ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00004000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000004", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"BAAI/bge-large-zh-v1.5\", \"input\": \"The quick brown fox jumps over the lazy dog\"}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "in": 0.04, "input": [ "text" ], "label": "Embeddings", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00004000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000004", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "BAAI/bge-large-zh-v1.5", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00004000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000004", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "BAAI/bge-large-zh-v1.5", "request_model_id": "BAAI/bge-large-zh-v1.5", "route_label": "Ultra" } ], "name": "BAAI/bge-large-zh-v1.5", "price": { "in": 0.04, "in_label": null, "out": 0, "out_label": null, "scope_label": "Token rates", "sort_in": 0.04, "sort_out": 0, "varies": false }, "short": "BAAI/bge-large-zh-v1.5 wandelt über Ailoot einen Textstring oder eine Liste von Strings in numerische Embeddings um. Speichern Sie jeden Vektor zusammen mit seinem Eingabeindex für Suchabläufe und die Dokumentindexierung.", "title": "BAAI/bge-large-zh-v1.5" }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Chinesische Retrieval-Embeddings von BAAI für Text-zu-Vektor-Anfragen über Ailoot.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "f32b3d093c7a44f4079d04dc21f4182872d57b81e73e93e39f1928d360b77ba8", "renderer_sha256": "8bd3076b303b7b3aa4d961032854071403a471ec26a4f50c64e3a32556ea2925" }, "sourceRevision": "9041abd178c523dd2e15224906abad0d1c607c18599e7a31acaa2c8a6021509b" }