Source: https://ailoot.ai/models/id/baai-bge-large-en-v1-5/ Canonical: https://ailoot.ai/models/id/baai-bge-large-en-v1-5/ Language: id # BAAI: bge-large-en-v1.5 [Markdown](https://ailoot.ai/models/id/baai-bge-large-en-v1-5/index.md) · [JSON](https://ailoot.ai/models/id/baai-bge-large-en-v1-5/facts.json) ## [BAAI: bge-large-en-v1.5](https://ailoot.ai/models/id/baai-bge-large-en-v1-5/) BAAI bge-large-en-v1.5 menghasilkan vektor teks bahasa Inggris 1024 dimensi untuk temu kembali dan perbandingan semantik. Persiapan v1.5 mendukung instruksi kueri opsional, dengan panjang urutan 512 token yang didokumentasikan. - [**Ailoot Ultra · Embedding** `POST /v1/embeddings` `baai/bge-large-en-v1.5`](https://ailoot.ai/models/id/baai-bge-large-en-v1-5/#method-0) Tentang model Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih. bge-large-en-v1.5 adalah edisi embedding dense bahasa Inggris berukuran Large dari BAAI. Model ini memetakan teks menjadi vektor berdimensi 1024 untuk pencarian bagian teks dan perbandingan semantik. Versi 1.5 merupakan pembaruan dari pengembang yang ditujukan untuk distribusi kemiripan yang lebih berguna dan pencarian yang lebih baik tanpa instruksi. Large tetap merupakan checkpoint yang berbeda dari Base, Small, edisi bahasa Mandarin, dan model multibahasa BGE-M3. #### Siapkan pencarian bagian teks Untuk kueri pencarian singkat pada dokumen yang lebih panjang, pengembang merekomendasikan instruksi kueri “Represent this sentence for searching relevant passages:”. Tambahkan pada sisi kueri; bagian teks dalam korpus mempertahankan teks sumbernya sendiri tanpa instruksi tersebut. Untuk penggunaan lain, teks langsung sudah memadai. BAAI juga mendokumentasikan pencarian tanpa prefiks pada v1.5 dan menyarankan pemilihan persiapan yang paling sesuai dengan tugas nyata. Kumpulan pengetahuan praktis dapat mengindeks bagian-bagian manual teknis berbahasa Inggris. Pertanyaan tentang pengaturan yang mengubah format keluaran seharusnya mengembalikan bagian yang menjelaskan pengaturan dan kondisinya. Simpan judul, penjelasan yang relevan, dan lokasi sumber bersama setiap bagian teks. Model menyediakan representasi numerik; teks sumber yang dikembalikanlah yang digunakan pembaca atau tahap RAG berikutnya. #### Representasi dan pencocokan Contoh pengodean langsung dari pengembang menggunakan hidden state terakhir dari token CLS pertama sebagai embedding gabungan, lalu menormalisasi vektor. Membandingkan vektor yang telah dinormalisasi dengan dot product menghasilkan kemiripan kosinus. Karena itu, setiap bagian teks dapat disiapkan sekali dan disimpan untuk dibandingkan dengan vektor kueri masuk, sementara materi sumber yang berubah menerima representasi yang diperbarui. Angka 1024 dimensi menentukan panjang vektor keluaran. Angka ini berbeda dari representasi Base berdimensi 768 dan tidak membuktikan adanya ruang bersama yang kompatibel dengan checkpoint lain. Simpan identitas model dan konvensi persiapan bersama indeks yang disimpan. Perubahan edisi embedding memerlukan pemeriksaan representasi korpus dan kueri secara bersamaan. #### Sesuaikan sumber dengan jendela masukan Panjang urutan yang didokumentasikan adalah 512 token. Siapkan manual panjang sebagai bagian yang koheren, bukan satu masukan yang terlalu besar. Pertahankan kondisi atau pengecualian di samping aturan yang dibatasinya, dan sertakan konteks yang cukup agar bagian yang ditemukan dapat dipahami secara mandiri. Instruksi kueri tambahan juga memakai token masukan, sehingga jendela model mencakup seluruh masukan yang telah disiapkan. Batas bagian teks yang berguna dapat mencakup judul dan paragraf yang menjawab satu pertanyaan pengguna. Simpan pengenal dan versi dokumen induk di luar vektor agar hasil tetap dapat ditelusuri ke sumber yang benar. Untuk tugas perbandingan, gunakan teks sebenarnya yang akan dibandingkan, bukan ringkasan yang tidak relevan dan menghapus perbedaan yang perlu ditemukan. #### Tafsirkan skor Pengembang memperingatkan agar kemiripan absolut tidak diperlakukan sebagai aturan universal untuk kesetaraan semantik. Urutan skor relatif merupakan inti pencarian, dan ambang batas perlu dikalibrasi pada distribusi teks tugas itu sendiri. Periksa bagian teks kandidat untuk pertanyaan dengan jawaban yang diketahui maupun pertanyaan yang jawabannya tidak tersedia. Dengan begitu, terlihat apakah bagian yang dikembalikan menyediakan informasi yang diperlukan, bukan sekadar menyerupai topiknya. bge-large-en-v1.5 menyediakan vektor dense bahasa Inggris. Reranker terpisah dapat memperbaiki urutan kandidat, dan model bahasa terpisah dapat menyusun jawaban dari bagian teks yang dipilih. Keluaran berguna dari edisi ini adalah representasi yang dapat dicari dan terhubung dengan teks sumbernya, dengan pilihan model Large v1.5 serta persiapan masukan yang dipertahankan secara tepat. **Ailoot Ultra · Embedding** `POST /v1/embeddings` `baai/bge-large-en-v1.5` [`baai/bge-large-en-v1.5`](https://ailoot.ai/models/id/#m=baai%2Fbge-large-en-v1.5&route=Ultra&caller=baai%2Fbge-large-en-v1.5&fmt=embeddings) BAAI /`baai/bge-large-en-v1.5` ### Mulai BAAI bge-large-en-v1.5 menghasilkan vektor teks bahasa Inggris 1024 dimensi untuk temu kembali dan perbandingan semantik. Persiapan v1.5 mendukung instruksi kueri opsional, dengan panjang urutan 512 token yang didokumentasikan. 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 | | --- | --- | --- | --- | --- | | Kolom`model` | Jenis`string` | PersyaratanWajib | Nilai & batasan baai/bge-large-en-v1.5 | Bawaan— | | Kolom`input` | Jenis`string\|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— | | Kolom`encoding_format` | Jenis`string` | PersyaratanOpsional | Nilai & batasan float | Bawaanfloat | | Kolom`dimensions` | Jenis`integer` | PersyaratanTidak didukung | Nilai & batasan Minimum: 1 | Bawaan— | | Kolom`user` | Jenis`json_value` | PersyaratanOpsional | Nilai & batasan Kondisi: Sumber mengizinkan kolom metadata JSON ini; makna tepatnya pada layanan hulu bergantung pada model. | Bawaan— | | Kolom`session_id` | Jenis`json_value` | PersyaratanOpsional | Nilai & batasan Kondisi: Sumber mengizinkan kolom metadata JSON ini; makna tepatnya pada layanan hulu bergantung pada model. | Bawaan— | | Kolom`trace` | Jenis`json_value` | PersyaratanOpsional | Nilai & batasan Kondisi: Sumber mengizinkan kolom metadata JSON ini; makna tepatnya pada layanan hulu bergantung pada model. | Bawaan— | | Kolom`provider` | Jenis`object` | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak | Bawaan— | Kombinasi bahan masukan **text\_to\_embedding** Parameter metode dan siklus hidup | Parameter | Kontrak | | --- | --- | | Parameter`content_type` | Kontrakapplication/json | | Parameter`required` | Kontrakmodel, input | | Parameter`input_shapes` | Kontrakstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parameter`encoding_format` | Kontrakfloat | | Parameter`dimensions_override` | Kontrakfalse | | Parameter`max_input_budget_units` | Kontrak512 | | Parameter`multimodal_objects` | Kontrakfalse | | Parameter`material_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 **$0.00002** / 1K token Keluaran · Token keluaran **$0** / 1K token Masukan · Pembacaan cache **—** / 1K token Masukan · Penulisan cache **—** / 1K token Masukan · Penulisan cache, 1 jam **—** / 1K token | Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. [Cara kerja cadangan dan penyelesaian tagihan →](https://ailoot.ai/docs/id/billing/reserve/) ### Contoh permintaan #### Ailoot Ultra · Embedding curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "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 ``` ```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='baai/bge-large-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 | | --- | --- | | Kolom`object` | Jenisstring | | Kolom`model` | Jenisstring | | Kolom`data[].index` | Jenisinteger | | Kolom`data[].embedding` | Jenisfinite float\[\] | | Kolom`usage` | 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-large-en-v1.5`](https://ailoot.ai/models/id/#m=baai%2Fbge-large-en-v1.5&route=Ultra&caller=baai%2Fbge-large-en-v1.5&fmt=embeddings) #### Alias jalur metode Gunakan jalur metode yang ditampilkan di atas. #### ID pemanggil terkait [`baai/bge-large-en-v1.5`](https://ailoot.ai/models/id/#m=baai%2Fbge-large-en-v1.5&route=Ultra&caller=baai%2Fbge-large-en-v1.5&fmt=embeddings) FAQ · BAAI: bge-large-en-v1.5 Input dan hasil apa yang tersedia? `POST /v1/embeddings` · `baai/bge-large-en-v1.5`: `text`, `token_ids` → `embedding` Kolom apa yang digunakan permintaan? `POST /v1/embeddings` · `baai/bge-large-en-v1.5`: `model`, `input`, `encoding_format`, `provider` Batasan apa yang berlaku? `POST /v1/embeddings` · `baai/bge-large-en-v1.5`: `input.budget.maximum`: `512` (byte UTF8); `input.min_items`: `1` Hubungkan Ailoot ke Claude Code, OpenCode, Hermes, atau aplikasi Anda. ## Perusahaan dan portofolio proyeknya Perusahaan dan portofolio proyeknya: jutaan pelanggan; penjualan miliaran setiap bulan. ## Beli token dengan diskon. Diskon langganan untuk pekerjaan rutin. Kode promo — hingga 50% untuk pembelian token. Langganan Pilih paket dengan diskon untuk permintaan rutin Anda. Kode promo hingga 50% Masukkan kode saat membeli. Harga dihitung ulang sesuai promosi aktif. Biaya dalam riwayat Model, token, dan jumlah tagihan disimpan untuk setiap permintaan. [Pilih langganan](https://ailoot.ai/docs/id/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/id/) ## Hubungkan API ke produk yang Anda jual. SaaS, aplikasi, dan bot — sesuai penawaran dan perjanjian lisensi Ailoot. Untuk penjualan kembali, mintalah lisensi reseller. Aplikasi komersial Integrasikan pembuatan teks, gambar, video, dan suara dalam fitur berbayar layanan Anda. Lisensi reseller Kirim deskripsi proyek dan skema akses. Mintalah ketentuan penggunaan dan penjualan kembali secara tertulis. Dokumen di situs Penawaran, perjanjian lisensi, dan kebijakan pemrosesan data tersedia sebelum koneksi. [Minta lisensi reseller](mailto:support@ailoot.ai) · [Penawaran dan perjanjian lisensi](https://ailoot.ai/legal/offer?lang=id) ## Ailoot · Perusahaan dan portofolio proyeknya Ailoot bertumpu pada pengalaman operasional yang teruji, basis pelanggan yang besar, layanan yang stabil, dan pemantauan KPI berkelanjutan. Perusahaan dan portofolio proyeknya: jutaan pelanggan; penjualan miliaran setiap bulan. Ailoot memanfaatkan pengalaman operasional ini untuk akses API ke fitur AI dalam produk pelanggan, agen, aplikasi, dan otomatisasi.