BAAI: bge-base-en-v1.5
BAAI bge-base-en-v1.5 mengubah teks bahasa Inggris menjadi vektor 768 dimensi untuk pencarian semantik dan tugas kemiripan. Jendela masukan 512 token serta instruksi temu kembali yang hanya diterapkan pada kueri cocok untuk bagian teks terfokus dalam indeks dokumen atau pencarian pengetahuan.
Tentang model
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
bge-base-en-v1.5 adalah model embedding dense bahasa Inggris berukuran base dari BAAI. Model mengubah setiap teks menjadi representasi numerik 768 dimensi untuk temu kembali dan perbandingan semantik. Model ini termasuk lini BGE v1.5 yang memperbaiki distribusi skor kemiripan keluarga sebelumnya dan meningkatkan temu kembali ketika instruksi tidak diberikan. Keluarannya adalah vektor untuk membandingkan teks atau menemukan bagian yang relevan.
Siapkan kueri dan bagian teks
Untuk kueri pendek yang mencari bagian teks lebih panjang, BAAI menyarankan penambahan prefiks “Represent this sentence for searching relevant passages:” pada kueri. Bagian-bagian korpus tidak menerima instruksi tersebut. Untuk tugas lain, teks asli dapat langsung dibuat embedding-nya. Pembuat mencatat bahwa v1.5 juga bekerja tanpa instruksi, sehingga persiapan sebaiknya dipilih berdasarkan tugas alih-alih menganggap prefiks sebagai satu-satunya masukan yang valid.
Koleksi pencarian praktis dapat memuat artikel bantuan, penjelasan produk, atau instruksi teknis. Kueri seperti “How do I change the export format?” seharusnya menemukan bagian yang menjelaskan tindakan tersebut. Simpan judul bagian, kondisi yang relevan, dan teks sumber sebenarnya bersama-sama. Simpan pengenal serta lokasi bagian di samping vektornya agar hasil pencarian dapat mengembalikan sesuatu yang dapat dibaca pengguna atau dikutip tahap jawaban berikutnya.
Format vektor dan perbandingan
Representasi yang didokumentasikan menggunakan keadaan tersembunyi akhir token pertama, atau CLS, sebagai embedding kalimat. Contoh produsen menormalisasi vektor dan membandingkan embedding yang dinormalisasi dengan hasil kali titik, setara kemiripan kosinus. Sebanyak 768 dimensi adalah ukuran representasi keluaran model ini; bukan panjang konteks yang dapat dipilih atau jatah pembangkitan teks.
Gunakan model dan konvensi persiapan yang sama untuk vektor kueri dan korpus yang dibandingkan. Pemeriksaan praktisnya adalah menemukan bagian yang diketahui memuat jawaban untuk sekumpulan kecil pertanyaan pengguna nyata, lalu memeriksa teks yang dikembalikan. Bentuk vektor yang kompatibel memungkinkan indeks menyimpan representasi, sedangkan bagian sumber menentukan apa yang sebenarnya dikatakan hasil tersebut.
Panjang masukan dan persiapan dokumen
Panjang urutan model yang didokumentasikan adalah 512 token. Karena itu, sumber panjang harus dibagi menjadi bagian koheren yang memuat jawaban sebelum dibuat embedding-nya. Simpan definisi dan pengecualian bersama pernyataan yang diperjelasnya, serta pertahankan hubungan bagian dengan dokumen induk. Teks yang akan dibuat embedding-nya mencakup instruksi atau judul yang Anda tambahkan, sehingga persiapan ringkas menyisakan lebih banyak ruang untuk konten sumber yang berguna.
Untuk laporan atau manual, pilih batas di sekitar satu bagian atau sekelompok kecil paragraf terkait. Bagian yang hanya memuat judul atau fragmen tanpa subjeknya mungkin sulit ditafsirkan ketika ditemukan. Pertahankan teks asli dan versi sumber agar pembaruan indeks dapat mengganti materi terkait saat dokumen berubah.
Skor dan keluaran yang berguna
BAAI mengingatkan bahwa nilai kemiripan absolut bukan ambang universal untuk memutuskan bahwa dua teks bermakna sama. Peringkat relatif penting, dan ambang penyaringan harus dipilih menggunakan distribusi pada data tugas itu sendiri. Kemiripan vektor tinggi merupakan sinyal temu kembali, bukan verifikasi isi faktual bagian teks.
Hasil yang berguna adalah indeks bagian teks bahasa Inggris, himpunan vektor kueri, atau fitur numerik untuk perbandingan semantik. Reranker terpisah dapat memperbaiki kandidat yang ditemukan, dan tahap pembangkitan terpisah dapat menulis jawaban berdasarkan teksnya. Model base bahasa Inggris v1.5 yang tepat ini tetap berbeda dari BGE Large, edisi bahasa Mandarin, serta profil temu kembali multibahasa dan hibrida BGE-M3.
Ailoot Ultra · Embedding POST /v1/embeddings baai/bge-base-en-v1.5
baai/bge-base-en-v1.5Mulai
BAAI bge-base-en-v1.5 mengubah teks bahasa Inggris menjadi vektor 768 dimensi untuk pencarian semantik dan tugas kemiripan. Jendela masukan 512 token serta instruksi temu kembali yang hanya diterapkan pada kueri cocok untuk bagian teks terfokus dalam indeks dokumen atau pencarian pengetahuan.
- Masukan yang diterima
- Teks · token_ids
- Hasil
- embedding
Tersedia di Ailoot · masukan & metode
Ailoot Ultra · Embedding POST /v1/embeddings
- Masukan
text,token_ids- Keluaran
embedding- Format keluaran
- json
| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan baai/bge-base-en-v1.5 | Bawaan— |
Kolominput | Jenisstring|string[]|integer[]|integer[][] | PersyaratanWajib | Nilai & batasan Item minimum: 1 Kondisi: Batch homogen yang tidak kosong. ID token berupa bilangan bulat nonnegatif. Anggaran masukan: Maksimum: 512 · Satuan teks: byte UTF8 · Satuan token: elemen array token | Bawaan— |
Kolomencoding_format | Jenisstring | PersyaratanOpsional | Nilai & batasan float | Bawaanfloat |
Kolomdimensions | Jenisinteger | PersyaratanTidak didukung | Nilai & batasan Minimum: 1 | Bawaan— |
Kolomuser | Jenisjson_value | PersyaratanOpsional | Nilai & batasan Kondisi: Sumber mengizinkan kolom metadata JSON ini; makna tepatnya pada layanan hulu bergantung pada model. | Bawaan— |
Kolomsession_id | Jenisjson_value | PersyaratanOpsional | Nilai & batasan Kondisi: Sumber mengizinkan kolom metadata JSON ini; makna tepatnya pada layanan hulu bergantung pada model. | Bawaan— |
Kolomtrace | Jenisjson_value | PersyaratanOpsional | Nilai & batasan Kondisi: Sumber mengizinkan kolom metadata JSON ini; makna tepatnya pada layanan hulu bergantung pada model. | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak | Bawaan— |
Kombinasi bahan masukan
text_to_embedding
Parameter metode dan siklus hidup
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, input |
Parameterinput_shapes | Kontrakstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parameterencoding_format | Kontrakfloat |
Parameterdimensions_override | Kontrakfalse |
Parametermax_input_budget_units | Kontrak512 |
Parametermultimodal_objects | Kontrakfalse |
Parametermaterial_types | Kontraktext, token_ids |
Siklus hidup: synchronous_json
Pertahankan index dan dimensi setiap vektor.
Nama model multimodal tidak mengizinkan objek gambar pada jalur persis ini.
Paket
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
- Mode Fast
- Tidak ditentukan Saat mode fast dipilih
- Mode Flex
- Tidak ditentukan Saat mode flex dipilih
- Upaya penalaran maksimum
- Tidak ditentukan Saat upaya penalaran maksimum menggunakan penyesuaian default
Tarif Ailoot
Harga menurut konfigurasi
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00001 / 1K token Keluaran · Token keluaran $0 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
Contoh permintaan
Ailoot Ultra · Embedding
set -eu
: "${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
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)
Terima dan simpan hasil
Ailoot Ultra · Embedding
json
Simpan semua hasil yang selesai
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap vektor beserta index masing-masing. Jumlah vektor harus sama dengan jumlah input; dimensinya harus konsisten.
Jika respons asli perlu diperiksa
Endpoint untuk tugas embedding tidak ditambahkan.
Kolom respons
| Kolom | Jenis |
|---|---|
Kolomobject | Jenisstring |
Kolommodel | Jenisstring |
Kolomdata[].index | Jenisinteger |
Kolomdata[].embedding | Jenisfinite float[] |
Kolomusage | Jenisobject |
Kesalahan dan langkah berikutnya
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Alias
Alias model
Ailoot Ultra baai/bge-base-en-v1.5
Alias jalur metode
Gunakan jalur metode yang ditampilkan di atas.
ID pemanggil terkait
FAQ · BAAI: bge-base-en-v1.5
- Input dan hasil apa yang tersedia?
POST /v1/embeddings·baai/bge-base-en-v1.5:text,token_ids→embedding- Kolom apa yang digunakan permintaan?
POST /v1/embeddings·baai/bge-base-en-v1.5:model,input,encoding_format,provider- Batasan apa yang berlaku?
POST /v1/embeddings·baai/bge-base-en-v1.5:input.budget.maximum:512(byte UTF8);input.min_items:1