Source: https://ailoot.ai/models/it/baai-bge-large-en-v1-5/ Canonical: https://ailoot.ai/models/it/baai-bge-large-en-v1-5/ Language: it # BAAI: bge-large-en-v1.5 [Markdown](https://ailoot.ai/models/it/baai-bge-large-en-v1-5/index.md) · [JSON](https://ailoot.ai/models/it/baai-bge-large-en-v1-5/facts.json) ## [BAAI: bge-large-en-v1.5](https://ailoot.ai/models/it/baai-bge-large-en-v1-5/) BAAI bge-large-en-v1.5 produce vettori di testo inglese a 1024 dimensioni per il recupero di informazioni e il confronto semantico. La sua preparazione v1.5 supporta un’istruzione di query facoltativa, con una lunghezza di sequenza documentata di 512 token. - [**Ailoot Ultra · Embedding** `POST /v1/embeddings` `baai/bge-large-en-v1.5`](https://ailoot.ai/models/it/baai-bge-large-en-v1-5/#method-0) Informazioni sul modello Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito. bge-large-en-v1.5 è l’edizione Large di BAAI per embedding densi in inglese. Trasforma un testo in un vettore di 1024 dimensioni per il recupero di passaggi e il confronto semantico. La versione 1.5 è l’aggiornamento del produttore volto a ottenere una distribuzione di similarità più utile e un recupero migliore senza istruzioni. Large rimane un checkpoint distinto da Base, Small, dalle edizioni cinesi e dal modello multilingue BGE-M3. #### Prepara il recupero dei passaggi Per una query di ricerca breve su documenti più lunghi, il produttore raccomanda l’istruzione per la query “Represent this sentence for searching relevant passages:”. Aggiungila soltanto alla query; i passaggi del corpus mantengono il proprio testo sorgente senza quell’istruzione. Negli altri usi è sufficiente il testo diretto. BAAI documenta anche il recupero senza prefisso nella v1.5 e raccomanda di scegliere la preparazione più efficace sul compito reale. Una raccolta pratica di conoscenze può indicizzare le sezioni di un manuale tecnico in inglese. Una domanda su quale impostazione modifichi il formato di uscita deve restituire la sezione che spiega quell’impostazione e le relative condizioni. Conserva il titolo, la spiegazione pertinente e la posizione nella fonte insieme a ogni passaggio. Il modello fornisce la rappresentazione numerica; il testo sorgente restituito è ciò che utilizza il lettore o una successiva fase RAG. #### Rappresentazione e confronto L’esempio del produttore per la codifica diretta usa lo stato nascosto finale del primo token CLS come embedding aggregato e poi normalizza il vettore. Il prodotto scalare tra vettori normalizzati fornisce la similarità coseno. Ogni passaggio può quindi essere preparato una volta e memorizzato per il confronto con i vettori delle query in arrivo, mentre il materiale sorgente modificato riceve una rappresentazione aggiornata. Le 1024 dimensioni specificano la lunghezza del vettore in uscita. Differiscono dalle 768 dimensioni della rappresentazione Base e non stabiliscono uno spazio condiviso compatibile con un altro checkpoint. Mantieni associati all’indice memorizzato il modello e la convenzione di preparazione. Un cambio di edizione degli embedding richiede di verificare insieme le rappresentazioni del corpus e delle query. #### Adatta la fonte alla finestra La lunghezza di sequenza documentata è di 512 token. Prepara un lungo manuale come sezioni coerenti anziché come un unico ingresso eccessivo. Mantieni una condizione o un’eccezione accanto alla regola che precisa e includi contesto sufficiente affinché la sezione recuperata abbia senso da sola. Anche l’istruzione aggiunta alla query occupa token in ingresso, quindi la finestra del modello riguarda l’intero ingresso preparato. Un confine utile per un passaggio può comprendere un titolo e i paragrafi che rispondono a una domanda dell’utente. Conserva l’identificativo e la versione del documento principale fuori dal vettore, così che il risultato rimanga riconducibile alla fonte corretta. Per un compito di confronto, usa i testi reali da confrontare anziché sostituirli con riassunti non pertinenti che eliminano la distinzione da trovare. #### Interpreta il punteggio Il produttore avverte di non considerare la similarità assoluta come una regola universale di equivalenza semantica. L’ordine relativo dei punteggi è centrale nel recupero e una soglia deve essere calibrata sulla distribuzione testuale del compito. Esamina i passaggi candidati per domande con risposte note e per domande la cui risposta è assente. Questo mostra se la sezione restituita fornisce le informazioni richieste, anziché limitarsi ad assomigliare all’argomento. bge-large-en-v1.5 fornisce vettori densi per l’inglese. Un reranker separato può affinare l’ordine dei candidati e un modello linguistico separato può comporre una risposta dai passaggi selezionati. L’uscita utile di questa edizione è una rappresentazione ricercabile collegata al testo sorgente, con la scelta esatta del modello Large v1.5 e la preparazione dell’ingresso conservate. **Ailoot Ultra · Embedding** `POST /v1/embeddings` `baai/bge-large-en-v1.5` [`baai/bge-large-en-v1.5`](https://ailoot.ai/models/it/#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` ### Introduzione BAAI bge-large-en-v1.5 produce vettori di testo inglese a 1024 dimensioni per il recupero di informazioni e il confronto semantico. La sua preparazione v1.5 supporta un’istruzione di query facoltativa, con una lunghezza di sequenza documentata di 512 token. Input accettati Testo · token\_ids Risultati embedding ### Disponibile in Ailoot · input e metodi **Ailoot Ultra · Embedding** `POST /v1/embeddings` Tipi di input `text`, `token_ids` Tipi di output `embedding` Formato di output json | Campo | Tipo | Requisito | Valori e limiti | Predefinito | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObbligatorio | Valori e limiti baai/bge-large-en-v1.5 | Predefinito— | | Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 Condizioni: Batch omogeneo non vuoto. Gli ID dei token sono numeri interi non negativi. Budget di input: Massimo: 512 · Unità di testo: byte UTF8 · Unità di token: elementi dell’array di token | Predefinito— | | Campo`encoding_format` | Tipo`string` | RequisitoFacoltativo | Valori e limiti float | Predefinitofloat | | Campo`dimensions` | Tipo`integer` | RequisitoNon supportato | Valori e limiti Minimo: 1 | Predefinito— | | Campo`user` | Tipo`json_value` | RequisitoFacoltativo | Valori e limiti Condizioni: La fonte consente questo campo di metadati JSON; la semantica esatta del fornitore a monte dipende dal modello. | Predefinito— | | Campo`session_id` | Tipo`json_value` | RequisitoFacoltativo | Valori e limiti Condizioni: La fonte consente questo campo di metadati JSON; la semantica esatta del fornitore a monte dipende dal modello. | Predefinito— | | Campo`trace` | Tipo`json_value` | RequisitoFacoltativo | Valori e limiti Condizioni: La fonte consente questo campo di metadati JSON; la semantica esatta del fornitore a monte dipende dal modello. | Predefinito— | | Campo`provider` | Tipo`object` | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options rifiutato | Predefinito— | Combinazioni di materiali in input **text\_to\_embedding** Parametri e ciclo di vita del metodo | Parametro | Contratto | | --- | --- | | Parametro`content_type` | Contrattoapplication/json | | Parametro`required` | Contrattomodel, input | | Parametro`input_shapes` | Contrattostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parametro`encoding_format` | Contrattofloat | | Parametro`dimensions_override` | Contrattofalse | | Parametro`max_input_budget_units` | Contratto512 | | Parametro`multimodal_objects` | Contrattofalse | | Parametro`material_types` | Contrattotext, token\_ids | Ciclo di vita: `synchronous_json` Conserva l'indice e la dimensione di ogni vettore. Il nome del modello multimodale non consente oggetti immagine su questo percorso specifico. ### Tariffe Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato. Modalità rapida Non specificato Quando è selezionata la modalità rapida Modalità flex Non specificato Quando è selezionata la modalità flex Sforzo massimo di ragionamento Non specificato Quando lo sforzo massimo di ragionamento usa l'adeguamento predefinito (default) #### Tariffe Ailoot #### Prezzi per configurazione | Configurazione | Listino delle tariffe | Costo | | --- | --- | --- | | ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input **$0.00002** / 1K token Output · Token in output **$0** / 1K token Input · Lettura dalla cache **—** / 1K token Input · Scrittura nella cache **—** / 1K token Input · Scrittura nella cache, 1 ora **—** / 1K token | Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. [Come funzionano la prenotazione e l’addebito finale →](https://ailoot.ai/docs/it/billing/reserve/) ### Esempi di richieste #### Ailoot Ultra · Embedding curlPython SDK ```bash set -eu : "${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) ``` ### Ricevi e salva i risultati #### Ailoot Ultra · Embedding json ##### Conserva tutti i risultati completati Conserva ogni risposta, file e parte di contenuto restituiti per intero. Conserva ogni vettore con il suo indice. Il numero di vettori deve coincidere con il numero di input; le dimensioni devono essere coerenti. ##### Se occorre verificare la risposta originale Non viene introdotto alcun endpoint per i job di embedding. Campi della risposta | Campo | Tipo | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | Tipoobject | Errori e passaggi successivi | Risposta | Condizione | Passaggio successivo | | --- | --- | --- | | Risposta400 · `invalid_request_error` | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. | ### Alias #### Alias del modello **Ailoot Ultra** [`baai/bge-large-en-v1.5`](https://ailoot.ai/models/it/#m=baai%2Fbge-large-en-v1.5&route=Ultra&caller=baai%2Fbge-large-en-v1.5&fmt=embeddings) #### Alias dei percorsi dei metodi Usa i percorsi dei metodi indicati sopra. #### ID di chiamata correlati [`baai/bge-large-en-v1.5`](https://ailoot.ai/models/it/#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 Quali input e risultati sono disponibili? `POST /v1/embeddings` · `baai/bge-large-en-v1.5`: `text`, `token_ids` → `embedding` Quali campi usa la richiesta? `POST /v1/embeddings` · `baai/bge-large-en-v1.5`: `model`, `input`, `encoding_format`, `provider` Quali limiti si applicano? `POST /v1/embeddings` · `baai/bge-large-en-v1.5`: `input.budget.maximum`: `512` (byte UTF8); `input.min_items`: `1` Collega Ailoot a Claude Code, OpenCode, Hermes o alla tua applicazione. ## L’azienda e il suo portafoglio di progetti L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. ## Acquista token con uno sconto. Sconto con abbonamento per lavoro regolare. Codici fino al 50% sull’acquisto di token. Abbonamento Scegli un piano scontato per richieste regolari. Codice fino al 50% Inserisci il codice all’acquisto. Il prezzo si aggiorna secondo la promozione. Spese nella cronologia Modello, token e importo sono salvati per ogni richiesta. [Scegli abbonamento](https://ailoot.ai/docs/it/billing/subscriptions/) · [Consulta prezzi dei modelli](https://ailoot.ai/models/it/) ## Collega l’API al prodotto che vendi. SaaS, app e bot secondo offerta e accordo di licenza Ailoot. Per rivendere, richiedi una licenza reseller. Applicazione commerciale Integra generazione di testo, immagini, video e suono nelle funzioni a pagamento. Licenza reseller Invia descrizione del progetto e schema di accesso. Richiedi condizioni scritte per uso e rivendita. Documenti sul sito Offerta, accordo di licenza e politica sui dati sono disponibili prima della connessione. [Richiedi licenza reseller](mailto:support@ailoot.ai) · [Offerta e accordo di licenza](https://ailoot.ai/legal/offer?lang=it) ## Ailoot · L’azienda e il suo portafoglio di progetti Ailoot si basa su un’esperienza operativa consolidata, un’ampia base di clienti, un servizio stabile e un controllo costante dei KPI. L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. Ailoot mette questa esperienza operativa al servizio dell’accesso API alle funzioni AI nei prodotti dei clienti, negli agenti, nelle applicazioni e nelle automazioni.