Source: https://ailoot.ai/models/fr/thenlper-gte-base/ Canonical: https://ailoot.ai/models/fr/thenlper-gte-base/ Language: fr # Thenlper: GTE-Base [Markdown](https://ailoot.ai/models/fr/thenlper-gte-base/index.md) · [JSON](https://ailoot.ai/models/fr/thenlper-gte-base/facts.json) ## [Thenlper: GTE-Base](https://ailoot.ai/models/fr/thenlper-gte-base/) GTE-base d’Alibaba DAMO Academy encode du texte anglais en vecteurs de 768 dimensions pour la recherche d’information et la similarité sémantique. Ce modèle exact utilise une agrégation par moyenne, prend en charge des séquences jusqu’à 512 tokens et documente une comparaison de type cosinus avec une normalisation facultative. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `thenlper/gte-base`](https://ailoot.ai/models/fr/thenlper-gte-base/#method-0) À propos du modèle Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous. GTE-base est le modèle de taille base General Text Embeddings entraîné par Alibaba DAMO Academy. Cet encodeur de texte anglais est principalement fondé sur l’architecture BERT et produit des vecteurs denses de 768 dimensions. Son entraînement utilise un grand corpus de paires liées par leur pertinence dans plusieurs domaines, la recherche d’information, la similarité sémantique textuelle et le reclassement de textes fondé sur les plongements figurant parmi les applications annoncées. #### Préparer des requêtes et des passages anglais Utilisez du texte anglais lisible pour le besoin d’information comme pour le matériau à rechercher. Par exemple, une requête sur le remplacement d’un composant usé peut être comparée à de courtes sections de maintenance décrivant les critères de remplacement, les étapes d’inspection et les instructions de commande. Conservez le nom du composant et les conditions qui distinguent ces sections. L’exemple publié encode directement les questions et le texte candidat, sans instruction de tâche ajoutée. Gardez cette préparation cohérente entre la collection et les requêtes ultérieures. Stockez le passage d’origine et son identifiant avec le vecteur, afin qu’un résultat classé puisse montrer les informations représentées. #### Agrégation par moyenne et comparaison La recette de référence calcule la moyenne des représentations des tokens du modèle au moyen du masque d’attention, en empêchant les positions de remplissage de contribuer au résultat. Elle montre ensuite une normalisation L2 facultative et compare les vecteurs normalisés par leur produit scalaire. Un exemple distinct utilise la similarité cosinus. Choisissez et conservez une configuration cohérente de normalisation et de comparaison pour l’indexation et la recherche. La sortie contient 768 composantes numériques ; elle ne contient pas de réponse générée. Pour une étape de reclassement des candidats, encodez les passages candidats avec le même modèle et ordonnez-les selon leur similarité à la requête. Cela reste une comparaison fondée sur les plongements, plutôt qu’une affirmation selon laquelle le modèle lirait conjointement chaque paire requête–passage comme un encodeur croisé. #### Périmètre anglais et entrées de 512 tokens La fiche exacte limite ce modèle au texte anglais et indique que les entrées longues sont tronquées à un maximum de 512 tokens. Un long manuel doit donc devenir des sections porteuses de sens avant l’indexation. Gardez un avertissement, une exception ou une précision avec la règle qu’ils modifient dès que ces détails sont nécessaires à l’interprétation du passage. Pour une requête sur les intervalles de maintenance, une section contenant l’intervalle et la condition de fonctionnement est plus utile qu’un fragment ne contenant qu’un nombre. Préservez le titre ou l’identité de l’équipement lorsqu’ils lèvent une ambiguïté dans l’instruction. Vérifiez la longueur avec le tokenizer, plutôt que de vous fier au nombre visible de mots. #### Utiliser les passages sources derrière le score La recherche renvoie des candidats issus de la collection indexée. Examinez les premiers passages au regard de la tâche exacte et conservez leurs emplacements sources lorsque vous les transmettez à une étape RAG de rédaction de réponse. Un passage lié peut parler d’inspection sans autoriser le remplacement ; cette distinction doit rester visible dans les sources. GTE-base est distinct de GTE-large, qui produit des vecteurs de 1024 dimensions, ainsi que des éditions GTE multilingues ou à contexte étendu ultérieures. Son identité de modèle publiée définit le périmètre anglais, la représentation de 768 composantes et la limite de 512 tokens. Utilisez ce profil exact avec des requêtes représentatives et des enregistrements sources lorsque vous évaluez une collection de recherche. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `thenlper/gte-base` [`thenlper/gte-base`](https://ailoot.ai/models/fr/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings) Thenlper /`thenlper/gte-base` ### Premiers pas GTE-base d’Alibaba DAMO Academy encode du texte anglais en vecteurs de 768 dimensions pour la recherche d’information et la similarité sémantique. Ce modèle exact utilise une agrégation par moyenne, prend en charge des séquences jusqu’à 512 tokens et documente une comparaison de type cosinus avec une normalisation facultative. Entrées acceptées Texte · token\_ids Résultats embedding ### Disponible dans Ailoot · entrées et méthodes **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Types d’entrée `text`, `token_ids` Types de sortie `embedding` Format de sortie json | Champ | Type | Exigence | Valeurs et limites | Par défaut | | --- | --- | --- | --- | --- | | Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites thenlper/gte-base | Par défaut— | | Champ`input` | Type`string\|string[]\|integer[]\|integer[][]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 Conditions: Lot homogène non vide. Les identifiants de jetons sont des entiers positifs ou nuls. Budget d’entrée : Maximum: 512 · Unité de texte: octets UTF8 · Unité de tokens: éléments du tableau de tokens | Par défaut— | | Champ`encoding_format` | Type`string` | ExigenceFacultatif | Valeurs et limites float | Par défautfloat | | Champ`dimensions` | Type`integer` | ExigenceNon pris en charge | Valeurs et limites Minimum: 1 | Par défaut— | | Champ`user` | Type`json_value` | ExigenceFacultatif | Valeurs et limites Conditions: Source autorise ce champ de métadonnées JSON ; sa sémantique exacte en amont dépend du modèle. | Par défaut— | | Champ`session_id` | Type`json_value` | ExigenceFacultatif | Valeurs et limites Conditions: Source autorise ce champ de métadonnées JSON ; sa sémantique exacte en amont dépend du modèle. | Par défaut— | | Champ`trace` | Type`json_value` | ExigenceFacultatif | Valeurs et limites Conditions: Source autorise ce champ de métadonnées JSON ; sa sémantique exacte en amont dépend du modèle. | Par défaut— | | Champ`provider` | Type`object` | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé | Par défaut— | Combinaisons d’éléments d’entrée **text\_to\_embedding** Paramètres et cycle de vie de la méthode | Paramètre | Contrat | | --- | --- | | Paramètre`content_type` | Contratapplication/json | | Paramètre`required` | Contratmodel, input | | Paramètre`input_shapes` | Contratstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Paramètre`encoding_format` | Contratfloat | | Paramètre`dimensions_override` | Contratfalse | | Paramètre`max_input_budget_units` | Contrat512 | | Paramètre`multimodal_objects` | Contratfalse | | Paramètre`material_types` | Contrattext, token\_ids | Cycle de vie : `synchronous_json` Conservez tous les indices et toutes les dimensions des vecteurs. Un nom de modèle multimodal n’autorise pas les objets image sur ce chemin précis. ### Tarifs Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée. Mode rapide Non précisé Lorsque le mode rapide est sélectionné Mode Flex Non précisé Lorsque le mode flex est sélectionné Effort de raisonnement maximal Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default) #### Tarifs Ailoot #### Prix par configuration | Configuration | Barème tarifaire | Coût | | --- | --- | --- | | ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée **$0.00001** / 1K tokens Sortie · Tokens en sortie **$0** / 1K tokens Entrée · Lecture du cache **—** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens | Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr/billing/reserve/) ### Exemples de requêtes #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "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) ``` ### Recevoir et enregistrer les résultats #### Ailoot Ultra · Embeddings json ##### Conserver tous les résultats terminés Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité. Conservez chaque vecteur avec son indice. Le nombre de vecteurs doit être égal au nombre d’entrées ; les dimensions doivent être cohérentes. ##### Si la réponse d’origine doit être vérifiée Aucun point de terminaison dédié aux tâches d’embedding n’est ajouté. Champs de la réponse | Champ | Type | | --- | --- | | Champ`object` | Typestring | | Champ`model` | Typestring | | Champ`data[].index` | Typeinteger | | Champ`data[].embedding` | Typefinite float\[\] | | Champ`usage` | Typeobject | Erreurs et étapes suivantes | Réponse | Condition | Étape suivante | | --- | --- | --- | | Réponse400 · `invalid_request_error` | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. | ### Alias #### Alias du modèle **Ailoot Ultra** [`thenlper/gte-base`](https://ailoot.ai/models/fr/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings) #### Alias des chemins de méthode Utilisez les chemins de méthode indiqués ci-dessus. #### ID d’appel associés [`thenlper/gte-base`](https://ailoot.ai/models/fr/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings) FAQ · Thenlper: GTE-Base Quelles entrées et quels résultats sont disponibles ? `POST /v1/embeddings` · `thenlper/gte-base`: `text`, `token_ids` → `embedding` Quels champs la requête utilise-t-elle ? `POST /v1/embeddings` · `thenlper/gte-base`: `model`, `input`, `encoding_format`, `provider` Quelles limites s’appliquent ? `POST /v1/embeddings` · `thenlper/gte-base`: `input.budget.maximum`: `512` (octets UTF8); `input.min_items`: `1` Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application. ## L’entreprise et son portefeuille de projets L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. ## Achetez des tokens à prix réduit. Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens. Abonnement Choisissez une offre à tarif réduit pour vos requêtes régulières. Code promo jusqu’à 50% Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours. Dépenses dans l’historique Modèle, tokens et montant sont enregistrés pour chaque requête. [Choisir un abonnement](https://ailoot.ai/docs/fr/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr/) ## Connectez l’API au produit que vous vendez. SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur. Application commerciale Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service. Licence revendeur Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente. Documents sur le site L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion. [Demander une licence revendeur](mailto:support@ailoot.ai) · [Offre officielle et contrat de licence](https://ailoot.ai/legal/offer?lang=fr) ## Ailoot · L’entreprise et son portefeuille de projets Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI. L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.