Source: https://ailoot.ai/models/el/thenlper-gte-base/
Canonical: https://ailoot.ai/models/el/thenlper-gte-base/
Language: el

# Thenlper: GTE-Base

[Markdown](https://ailoot.ai/models/el/thenlper-gte-base/index.md) · [JSON](https://ailoot.ai/models/el/thenlper-gte-base/facts.json)

## [Thenlper: GTE-Base](https://ailoot.ai/models/el/thenlper-gte-base/)

Το Alibaba DAMO Academy GTE-base δημιουργεί embeddings αγγλικού κειμένου σε διανύσματα 768 διαστάσεων για ανάκτηση και σημασιολογική ομοιότητα. Το ακριβές μοντέλο χρησιμοποιεί pooling με μέσο όρο, υποστηρίζει ακολουθίες έως 512 tokens και τεκμηριώνει σύγκριση τύπου συνημιτόνου με προαιρετική κανονικοποίηση.

- [**Ailoot Ultra · Διανυσματικές αναπαραστάσεις** `POST /v1/embeddings` `thenlper/gte-base`](https://ailoot.ai/models/el/thenlper-gte-base/#method-0)

Σχετικά με το μοντέλο

Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.

Το GTE-base είναι το βασικού μεγέθους μοντέλο General Text Embeddings που εκπαιδεύτηκε από την Alibaba DAMO Academy. Αυτός ο κωδικοποιητής αγγλικού κειμένου βασίζεται κυρίως στο πλαίσιο BERT και παράγει πυκνά διανύσματα 768 διαστάσεων. Η εκπαίδευσή του χρησιμοποιεί μεγάλο corpus ζευγών συνάφειας από διαφορετικά πεδία, με ανάκτηση πληροφοριών, σημασιολογική ομοιότητα κειμένου και επανακατάταξη κειμένου βάσει embeddings μεταξύ των δηλωμένων εφαρμογών.

#### Προετοιμάστε αγγλικά ερωτήματα και αποσπάσματα

Χρησιμοποιήστε ευανάγνωστο αγγλικό κείμενο τόσο για την ανάγκη πληροφορίας όσο και για το υλικό προς αναζήτηση. Για παράδειγμα, ένα ερώτημα για αντικατάσταση φθαρμένου εξαρτήματος μπορεί να συγκριθεί με σύντομες ενότητες συντήρησης που περιγράφουν κριτήρια αντικατάστασης, βήματα επιθεώρησης και οδηγίες παραγγελίας. Διατηρήστε το όνομα εξαρτήματος και τις συνθήκες που διακρίνουν αυτές τις ενότητες.

Το δημοσιευμένο παράδειγμα κωδικοποιεί ερωτήματα και υποψήφιο κείμενο απευθείας, χωρίς πρόσθετη οδηγία εργασίας. Κρατήστε αυτή την προετοιμασία συνεπή στη συλλογή και στα μεταγενέστερα ερωτήματα. Αποθηκεύστε το αρχικό απόσπασμα και το αναγνωριστικό του δίπλα στο διάνυσμα, ώστε ένα καταταγμένο αποτέλεσμα να δείχνει την πληροφορία που αναπαραστάθηκε.

#### Pooling με μέσο όρο και σύγκριση

Η συνταγή αναφοράς υπολογίζει τον μέσο όρο των αναπαραστάσεων tokens του μοντέλου χρησιμοποιώντας τη μάσκα προσοχής, αποτρέποντας τη συνεισφορά θέσεων padding στο αποτέλεσμα. Έπειτα δείχνει προαιρετική κανονικοποίηση L2 και συγκρίνει τα κανονικοποιημένα διανύσματα μέσω του εσωτερικού γινομένου τους. Ένα χωριστό παράδειγμα χρησιμοποιεί ομοιότητα συνημιτόνου.

Επιλέξτε και διατηρήστε συνεπή ρύθμιση κανονικοποίησης και σύγκρισης για ευρετηρίαση και ανάκτηση. Η έξοδος περιέχει 768 αριθμητικές συνιστώσες· δεν περιέχει παραγόμενη απάντηση. Για στάδιο επανακατάταξης υποψηφίων, κωδικοποιήστε τα υποψήφια αποσπάσματα με το ίδιο μοντέλο και κατατάξτε τα βάσει ομοιότητας με το ερώτημα. Αυτό παραμένει σύγκριση βάσει embeddings, όχι ισχυρισμός ότι το μοντέλο διαβάζει από κοινού κάθε ζεύγος ερωτήματος και αποσπάσματος ως cross-encoder.

#### Αγγλικό εύρος και είσοδοι 512 tokens

Η ακριβής κάρτα περιορίζει αυτό το μοντέλο σε αγγλικό κείμενο και δηλώνει ότι οι μεγάλες είσοδοι περικόπτονται σε μέγιστο 512 tokens. Ένα μεγάλο εγχειρίδιο πρέπει επομένως να γίνεται ουσιαστικές ενότητες πριν την ευρετηρίαση. Κρατήστε μια προειδοποίηση, εξαίρεση ή επιφύλαξη μαζί με τον κανόνα που τροποποιεί όποτε αυτές οι λεπτομέρειες χρειάζονται για την ερμηνεία του αποσπάσματος.

Για ερώτημα σχετικά με διαστήματα συντήρησης, μια ενότητα που περιέχει το διάστημα και τη συνθήκη λειτουργίας είναι χρησιμότερη από τμήμα που περιέχει μόνο αριθμό. Διατηρήστε την επικεφαλίδα ή την ταυτότητα εξοπλισμού όταν αποσαφηνίζει την οδηγία. Ελέγξτε το μήκος όπως το μετρά ο tokenizer αντί να βασίζεστε στο ορατό πλήθος λέξεων.

#### Χρησιμοποιήστε τα αποσπάσματα πηγής πίσω από τη βαθμολογία

Η ανάκτηση επιστρέφει υποψηφίους από την ευρετηριασμένη συλλογή. Εξετάστε τα πρώτα αποσπάσματα για την ακριβή εργασία και κρατήστε τις θέσεις πηγής τους όταν τα δίνετε σε στάδιο σύνταξης απάντησης RAG. Ένα σχετικό απόσπασμα μπορεί να συζητά επιθεώρηση χωρίς να επιτρέπει αντικατάσταση· αυτή η διάκριση πρέπει να παραμένει ορατή στο υλικό πηγής.

Το GTE-base είναι διακριτό από το GTE-large, που παράγει διανύσματα 1024 διαστάσεων, και από μεταγενέστερες πολυγλωσσικές εκδόσεις GTE ή εκδόσεις εκτεταμένων συμφραζομένων. Η δημοσιευμένη ταυτότητα μοντέλου του ορίζει το αγγλικό εύρος, την αναπαράσταση 768 συνιστωσών και το όριο 512 tokens. Χρησιμοποιήστε αυτό το ακριβές προφίλ με αντιπροσωπευτικά ερωτήματα και εγγραφές πηγής όταν αξιολογείτε μια συλλογή ανάκτησης.

**Ailoot Ultra · Διανυσματικές αναπαραστάσεις** `POST /v1/embeddings` `thenlper/gte-base`

[`thenlper/gte-base`](https://ailoot.ai/models/el/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings)

Thenlper /`thenlper/gte-base`

### Εισαγωγή

Το Alibaba DAMO Academy GTE-base δημιουργεί embeddings αγγλικού κειμένου σε διανύσματα 768 διαστάσεων για ανάκτηση και σημασιολογική ομοιότητα. Το ακριβές μοντέλο χρησιμοποιεί pooling με μέσο όρο, υποστηρίζει ακολουθίες έως 512 tokens και τεκμηριώνει σύγκριση τύπου συνημιτόνου με προαιρετική κανονικοποίηση.

Αποδεκτές είσοδοι

Κείμενο · token\_ids

Αποτελέσματα

embedding

### Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

**Ailoot Ultra · Διανυσματικές αναπαραστάσεις** `POST /v1/embeddings`

Είσοδος

`text`, `token_ids`

Έξοδος

`embedding`

Μορφή εξόδου

json

| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
| --- | --- | --- | --- | --- |
| Πεδίο`model` | Τύπος`string` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια thenlper/gte-base | Προεπιλογή— |
| Πεδίο`input` | Τύπος`string\|string[]\|integer[]\|integer[][]` | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 Συνθήκες: Μη κενή ομοιογενής παρτίδα. Τα ID των token είναι μη αρνητικοί ακέραιοι. Προϋπολογισμός εισόδου: Μέγιστο: 512 · Μονάδα κειμένου: byte UTF8 · Μονάδα token: στοιχεία πίνακα token | Προεπιλογή— |
| Πεδίο`encoding_format` | Τύπος`string` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια float | Προεπιλογήfloat |
| Πεδίο`dimensions` | Τύπος`integer` | ΑπαίτησηΔεν υποστηρίζεται | Τιμές και όρια Ελάχιστο: 1 | Προεπιλογή— |
| Πεδίο`user` | Τύπος`json_value` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
| Πεδίο`session_id` | Τύπος`json_value` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
| Πεδίο`trace` | Τύπος`json_value` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
| Πεδίο`provider` | Τύπος`object` | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίφθηκε | Προεπιλογή— |

Συνδυασμοί υλικών εισόδου

**text\_to\_embedding**

Παράμετροι και κύκλος ζωής μεθόδου

| Παράμετρος | Σύμβαση |
| --- | --- |
| Παράμετρος`content_type` | Σύμβασηapplication/json |
| Παράμετρος`required` | Σύμβασηmodel, input |
| Παράμετρος`input_shapes` | Σύμβασηstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Παράμετρος`encoding_format` | Σύμβασηfloat |
| Παράμετρος`dimensions_override` | Σύμβασηfalse |
| Παράμετρος`max_input_budget_units` | Σύμβαση512 |
| Παράμετρος`multimodal_objects` | Σύμβασηfalse |
| Παράμετρος`material_types` | Σύμβασηtext, token\_ids |

Κύκλος ζωής: `synchronous_json`

Διατηρήστε τον δείκτη και τη διάσταση κάθε διανύσματος.

Το όνομα πολυτροπικού μοντέλου δεν επιτρέπει αντικείμενα εικόνας σε αυτήν ακριβώς τη διαδρομή.

### Τιμολόγηση

Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.

Γρήγορη λειτουργία

Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία

Λειτουργία flex

Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex

Μέγιστη προσπάθεια συλλογισμού

Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default

#### Χρεώσεις Ailoot

#### Τιμές ανά διαμόρφωση

| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
| --- | --- | --- |
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου **$0.00001** / 1K token Έξοδος · Token εξόδου **$0** / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη **—** / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη **—** / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα **—** / 1K token |

Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. [Πώς λειτουργούν η δέσμευση και η εκκαθάριση →](https://ailoot.ai/docs/el/billing/reserve/)

### Παραδείγματα αιτημάτων

#### Ailoot Ultra · Διανυσματικές αναπαραστάσεις

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": "thenlper/gte-base", "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='thenlper/gte-base',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
```

### Λήψη και αποθήκευση αποτελεσμάτων

#### Ailoot Ultra · Διανυσματικές αναπαραστάσεις

json

##### Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.

Διατηρήστε κάθε διάνυσμα με τον δείκτη του. Το πλήθος των διανυσμάτων πρέπει να ισούται με το πλήθος των στοιχείων εισόδου· οι διαστάσεις πρέπει να είναι συνεπείς.

##### Αν χρειάζεται έλεγχος της αρχικής απάντησης

Δεν εισάγεται endpoint εργασιών ενσωμάτωσης.

Πεδία απάντησης

| Πεδίο | Τύπος |
| --- | --- |
| Πεδίο`object` | Τύποςstring |
| Πεδίο`model` | Τύποςstring |
| Πεδίο`data[].index` | Τύποςinteger |
| Πεδίο`data[].embedding` | Τύποςfinite float\[\] |
| Πεδίο`usage` | Τύποςobject |

Σφάλματα και επόμενα βήματα

| Απάντηση | Συνθήκη | Επόμενο βήμα |
| --- | --- | --- |
| Απάντηση400 · `invalid_request_error` | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |

### Εναλλακτικά ονόματα

#### Εναλλακτικά ονόματα μοντέλου

**Ailoot Ultra** [`thenlper/gte-base`](https://ailoot.ai/models/el/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings)

#### Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

#### Σχετικά ID μοντέλων

[`thenlper/gte-base`](https://ailoot.ai/models/el/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings)

FAQ · Thenlper: GTE-Base

Ποιες είσοδοι και αποτελέσματα διατίθενται;

`POST /v1/embeddings` · `thenlper/gte-base`: `text`, `token_ids` → `embedding`

Ποια πεδία χρησιμοποιεί το αίτημα;

`POST /v1/embeddings` · `thenlper/gte-base`: `model`, `input`, `encoding_format`, `provider`

Ποια όρια ισχύουν;

`POST /v1/embeddings` · `thenlper/gte-base`: `input.budget.maximum`: `512` (byte UTF8); `input.min_items`: `1`

Συνδέστε το Ailoot με Claude Code, OpenCode, Hermes ή τη δική σας εφαρμογή.

## Η εταιρεία και το χαρτοφυλάκιο έργων της

Η εταιρεία και το χαρτοφυλάκιο έργων της: εκατομμύρια πελάτες· μηνιαίες πωλήσεις δισεκατομμυρίων.

## Αγοράστε token με έκπτωση.

Έκπτωση συνδρομής για τακτική χρήση. Προωθητικοί κωδικοί — έως 50% στην αγορά token.

Συνδρομή

Επιλέξτε πρόγραμμα με έκπτωση για τα τακτικά αιτήματά σας.

Προωθητικός κωδικός έως 50%

Εισαγάγετε τον κωδικό στην αγορά. Η τιμή επανυπολογίζεται σύμφωνα με την ενεργή προσφορά.

Δαπάνες στο ιστορικό

Μοντέλο, token και ποσό αποθηκεύονται για κάθε αίτημα.

[Επιλέξτε συνδρομή](https://ailoot.ai/docs/el/billing/subscriptions/) · [Δείτε τιμές μοντέλων](https://ailoot.ai/models/el/)

## Συνδέστε το API με το προϊόν που πουλάτε.

SaaS, εφαρμογές και bot — σύμφωνα με τη δημόσια προσφορά και τη σύμβαση άδειας χρήσης Ailoot. Για μεταπώληση ζητήστε σχετική άδεια.

Εμπορική εφαρμογή

Ενσωματώστε δημιουργία κειμένου, εικόνων, βίντεο και ήχου στις πληρωμένες λειτουργίες της υπηρεσίας σας.

Άδεια για μεταπωλητή

Στείλτε περιγραφή έργου και τρόπο πρόσβασης. Ζητήστε γραπτούς όρους χρήσης και μεταπώλησης.

Έγγραφα στον ιστότοπο

Δημόσια προσφορά, σύμβαση άδειας χρήσης και πολιτική επεξεργασίας δεδομένων είναι διαθέσιμες πριν τη σύνδεση.

[Ζητήστε άδεια μεταπώλησης](mailto:support@ailoot.ai) · [Δημόσια προσφορά και σύμβαση άδειας χρήσης](https://ailoot.ai/legal/offer?lang=el)

## Ailoot · Η εταιρεία και το χαρτοφυλάκιο έργων της





Η Ailoot στηρίζεται στη συσσωρευμένη λειτουργική εμπειρία, τη μεγάλη πελατειακή βάση, τη σταθερή εξυπηρέτηση και τον συνεχή έλεγχο KPI.





Η εταιρεία και το χαρτοφυλάκιο έργων της: εκατομμύρια πελάτες· μηνιαίες πωλήσεις δισεκατομμυρίων.





Η Ailoot αξιοποιεί αυτή τη λειτουργική εμπειρία για πρόσβαση μέσω API σε λειτουργίες AI στα προϊόντα, τους πράκτορες, τις εφαρμογές και τους αυτοματισμούς των πελατών.