BAAI: bge-large-en-v1.5
BAAI bge-large-en-v1.5 produce vectores de texto en inglés de 1024 dimensiones para recuperación y comparación semántica. Su preparación v1.5 admite una instrucción de consulta opcional, con una longitud de secuencia documentada de 512 tokens.
Sobre el modelo
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
bge-large-en-v1.5 es la edición grande de embeddings densos en inglés de BAAI. Convierte un texto en un vector de 1024 dimensiones para recuperar pasajes y realizar comparaciones semánticas. La versión 1.5 es la actualización del fabricante destinada a ofrecer una distribución de similitud más útil y mejorar la recuperación sin instrucciones. Large sigue siendo un modelo entrenado distinto de Base, Small, las ediciones chinas y el modelo multilingüe BGE-M3.
Prepara la recuperación de pasajes
Para una consulta breve de búsqueda sobre documentos más largos, el fabricante recomienda la instrucción de consulta «Represent this sentence for searching relevant passages:». Añádela a la consulta; los pasajes del corpus conservan su texto original sin esa instrucción. En otros usos basta con el texto directo. BAAI también documenta la recuperación sin el prefijo en v1.5 y recomienda elegir la preparación que mejor funcione para la tarea real.
Una colección práctica de conocimiento puede indexar las secciones de un manual técnico en inglés. Una pregunta sobre qué ajuste cambia el formato de salida debe recuperar la sección que explica ese ajuste y sus condiciones. Conserva el encabezado, la explicación pertinente y la ubicación de origen con cada pasaje. El modelo proporciona la representación numérica; el texto original recuperado es lo que utiliza un lector o una etapa posterior de RAG.
Representación y comparación
El ejemplo de codificación directa del fabricante utiliza el estado oculto final del primer token CLS como embedding agregado y después normaliza el vector. El producto escalar de vectores normalizados da la similitud coseno. Así, cada pasaje puede prepararse una vez y almacenarse para compararlo con los vectores de las consultas entrantes, mientras que el material de origen que cambie recibe una representación actualizada.
Las 1024 dimensiones especifican la longitud del vector de salida. Difieren de la representación de 768 dimensiones de Base y no establecen un espacio compartido compatible con otro modelo entrenado. Mantén asociados al índice almacenado el modelo y el criterio de preparación. Un cambio de edición de embeddings exige comprobar conjuntamente las representaciones del corpus y de las consultas.
Ajusta la fuente a la ventana
La longitud de secuencia documentada es de 512 tokens. Prepara un manual largo como secciones coherentes en lugar de una entrada demasiado grande. Mantén cada condición o excepción junto a la regla que matiza e incluye contexto suficiente para que una sección recuperada tenga sentido por sí misma. La instrucción de consulta añadida también ocupa tokens de entrada, por lo que la ventana del modelo abarca toda la entrada preparada.
Un límite útil de pasaje puede incluir un encabezado y los párrafos que responden a una pregunta del usuario. Conserva fuera del vector el identificador y la versión del documento principal para poder rastrear el resultado hasta la fuente correcta. En una comparación, utiliza los textos reales que quieres comparar en vez de sustituirlos por resúmenes ajenos que eliminen la diferencia que buscas.
Interpreta la puntuación
El fabricante advierte que la similitud absoluta no debe tratarse como una regla universal de equivalencia semántica. El orden relativo de las puntuaciones es central para la recuperación y el umbral debe calibrarse sobre la distribución de textos de la propia tarea. Revisa los pasajes candidatos tanto para preguntas con respuesta conocida como para preguntas cuya respuesta no está presente. Esto permite saber si la sección recuperada aporta la información necesaria en vez de limitarse a parecerse al tema.
bge-large-en-v1.5 proporciona vectores densos en inglés. Un modelo separado de reordenación puede afinar el orden de los candidatos y otro modelo de lenguaje puede redactar una respuesta a partir de los pasajes seleccionados. La salida útil de esta edición es una representación que permite realizar búsquedas y está vinculada a su texto de origen, conservando la elección exacta de Large v1.5 y la preparación de la entrada.
Ailoot Ultra · Representaciones vectoriales POST /v1/embeddings baai/bge-large-en-v1.5
baai/bge-large-en-v1.5Inicio
BAAI bge-large-en-v1.5 produce vectores de texto en inglés de 1024 dimensiones para recuperación y comparación semántica. Su preparación v1.5 admite una instrucción de consulta opcional, con una longitud de secuencia documentada de 512 tokens.
- Entradas aceptadas
- Texto · token_ids
- Resultados
- embedding
Disponible en Ailoot · entradas y métodos
Ailoot Ultra · Representaciones vectoriales POST /v1/embeddings
- Entrada
text,token_ids- Salida
embedding- Formato de salida
- json
| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites baai/bge-large-en-v1.5 | Predeterminado— |
Campoinput | Tipostring|string[]|integer[]|integer[][] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 Condiciones: Lote homogéneo no vacío. Los ID de tokens son números enteros no negativos. Presupuesto de entrada: Máximo: 512 · Unidad de texto: bytes UTF8 · Unidad de tokens: elementos de un arreglo de tokens | Predeterminado— |
Campoencoding_format | Tipostring | RequisitoOpcional | Valores y límites float | Predeterminadofloat |
Campodimensions | Tipointeger | RequisitoNo compatible | Valores y límites Mínimo: 1 | Predeterminado— |
Campouser | Tipojson_value | RequisitoOpcional | Valores y límites Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo. | Predeterminado— |
Camposession_id | Tipojson_value | RequisitoOpcional | Valores y límites Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo. | Predeterminado— |
Campotrace | Tipojson_value | RequisitoOpcional | Valores y límites Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo. | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options rechazado | Predeterminado— |
Combinaciones de materiales de entrada
text_to_embedding
Parámetros del método y ciclo de vida
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, input |
Parámetroinput_shapes | Contratostring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parámetroencoding_format | Contratofloat |
Parámetrodimensions_override | Contratofalse |
Parámetromax_input_budget_units | Contrato512 |
Parámetromultimodal_objects | Contratofalse |
Parámetromaterial_types | Contratotext, token_ids |
Ciclo de vida: synchronous_json
Conserva todos los índices y dimensiones de los vectores.
El nombre de un modelo multimodal no habilita objetos de imagen en esta ruta exacta.
Tarifas
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
- Modo fast
- Sin especificar Cuando se selecciona el modo fast
- Modo flex
- Sin especificar Cuando se selecciona el modo flex
- Esfuerzo máximo de razonamiento
- Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default
Tarifas de Ailoot
Precios por configuración
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.00002 / 1K tokens Salida · Tokens de salida $0 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
Solicitudes de ejemplo
Ailoot Ultra · Representaciones vectoriales
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "baai/bge-large-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
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-large-en-v1.5',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
Recibir y guardar resultados
Ailoot Ultra · Representaciones vectoriales
json
Conserva todos los resultados completados
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada vector con su índice. La cantidad de vectores debe ser igual a la cantidad de entradas; las dimensiones deben ser consistentes.
Si es necesario revisar la respuesta original
No se incorpora ningún endpoint de tareas de embeddings.
Campos de respuesta
| Campo | Tipo |
|---|---|
Campoobject | Tipostring |
Campomodel | Tipostring |
Campodata[].index | Tipointeger |
Campodata[].embedding | Tipofinite float[] |
Campousage | Tipoobject |
Errores y siguientes pasos
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Alias
Alias del modelo
Ailoot Ultra baai/bge-large-en-v1.5
Alias de rutas de métodos
Usa las rutas de método indicadas arriba.
ID de modelo relacionados
FAQ · BAAI: bge-large-en-v1.5
- ¿Qué entradas y resultados están disponibles?
POST /v1/embeddings·baai/bge-large-en-v1.5:text,token_ids→embedding- ¿Qué campos utiliza la solicitud?
POST /v1/embeddings·baai/bge-large-en-v1.5:model,input,encoding_format,provider- ¿Qué límites se aplican?
POST /v1/embeddings·baai/bge-large-en-v1.5:input.budget.maximum:512(bytes UTF8);input.min_items:1