Source: https://ailoot.ai/models/it/thenlper-gte-base/ Canonical: https://ailoot.ai/models/it/thenlper-gte-base/ Language: it # Thenlper: GTE-Base [Markdown](https://ailoot.ai/models/it/thenlper-gte-base/index.md) · [JSON](https://ailoot.ai/models/it/thenlper-gte-base/facts.json) ## [Thenlper: GTE-Base](https://ailoot.ai/models/it/thenlper-gte-base/) GTE-base di Alibaba DAMO Academy codifica testo inglese in vettori a 768 dimensioni per recupero e similarità semantica. Il modello esatto usa pooling medio, supporta sequenze fino a 512 token e documenta un confronto di tipo coseno con normalizzazione facoltativa. - [**Ailoot Ultra · Embedding** `POST /v1/embeddings` `thenlper/gte-base`](https://ailoot.ai/models/it/thenlper-gte-base/#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. GTE-base è il modello di taglia base General Text Embeddings addestrato da Alibaba DAMO Academy. Questo encoder di testo inglese è principalmente basato sull’architettura BERT e produce vettori densi a 768 dimensioni. Il suo addestramento usa un grande corpus di coppie legate dalla pertinenza in più domini, con recupero di informazioni, similarità semantica testuale e reranking del testo basato sugli embedding tra le applicazioni dichiarate. #### Preparare query e passaggi in inglese Usa testo inglese leggibile sia per il bisogno informativo sia per il materiale da cercare. Per esempio, una query sulla sostituzione di un componente usurato può essere confrontata con brevi sezioni di manutenzione che descrivono criteri di sostituzione, passaggi di ispezione e istruzioni per l’ordine. Conserva il nome del componente e le condizioni che distinguono quelle sezioni. L’esempio pubblicato codifica direttamente domande e testo candidato, senza un’istruzione di attività aggiunta. Mantieni quella preparazione coerente tra la raccolta e le query successive. Memorizza il passaggio originale e il suo identificatore accanto al vettore, affinché un risultato ordinato possa mostrare le informazioni rappresentate. #### Pooling medio e confronto La ricetta di riferimento calcola la media delle rappresentazioni dei token del modello usando la maschera di attenzione, impedendo alle posizioni di padding di contribuire al risultato. Mostra poi una normalizzazione L2 facoltativa e confronta i vettori normalizzati tramite il loro prodotto scalare. Un esempio separato usa la similarità del coseno. Scegli e mantieni una configurazione coerente di normalizzazione e confronto per indicizzazione e recupero. L’output contiene 768 componenti numeriche; non contiene una risposta generata. Per una fase di reranking dei candidati, codifica i passaggi candidati con lo stesso modello e ordinali in base alla similarità con la query. Rimane un confronto basato sugli embedding, anziché un’affermazione che il modello legga congiuntamente ogni coppia query–passaggio come un cross-encoder. #### Ambito inglese e input di 512 token La scheda esatta limita questo modello al testo inglese e afferma che gli input lunghi vengono troncati a un massimo di 512 token. Un manuale lungo dovrebbe quindi diventare sezioni significative prima dell’indicizzazione. Mantieni un’avvertenza, un’eccezione o una precisazione insieme alla regola che modifica quando quei dettagli sono necessari per interpretare il passaggio. Per una query sugli intervalli di manutenzione, una sezione contenente l’intervallo e la condizione operativa è più utile di un frammento che contiene soltanto un numero. Conserva il titolo o l’identità dell’apparecchiatura quando disambigua l’istruzione. Verifica la lunghezza con il tokenizer anziché affidarti al numero visibile di parole. #### Usare i passaggi di origine dietro il punteggio Il recupero restituisce candidati dalla raccolta indicizzata. Esamina i passaggi in testa rispetto all’attività esatta e conserva le posizioni nelle fonti quando li passi a una fase RAG di scrittura della risposta. Un passaggio correlato può discutere un’ispezione senza autorizzare la sostituzione; tale distinzione deve rimanere visibile nel materiale di origine. GTE-base è distinto da GTE-large, che produce vettori a 1024 dimensioni, e dalle successive edizioni GTE multilingue o a contesto esteso. La sua identità pubblicata di modello definisce l’ambito inglese, la rappresentazione a 768 componenti e il confine di 512 token. Usa questo profilo esatto con query rappresentative e record di origine quando valuti una raccolta di recupero. **Ailoot Ultra · Embedding** `POST /v1/embeddings` `thenlper/gte-base` [`thenlper/gte-base`](https://ailoot.ai/models/it/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings) Thenlper /`thenlper/gte-base` ### Introduzione GTE-base di Alibaba DAMO Academy codifica testo inglese in vettori a 768 dimensioni per recupero e similarità semantica. Il modello esatto usa pooling medio, supporta sequenze fino a 512 token e documenta un confronto di tipo coseno con normalizzazione facoltativa. 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 thenlper/gte-base | 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 **$0.00001** / 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": "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) ``` ### 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** [`thenlper/gte-base`](https://ailoot.ai/models/it/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings) #### Alias dei percorsi dei metodi Usa i percorsi dei metodi indicati sopra. #### ID di chiamata correlati [`thenlper/gte-base`](https://ailoot.ai/models/it/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings) FAQ · Thenlper: GTE-Base Quali input e risultati sono disponibili? `POST /v1/embeddings` · `thenlper/gte-base`: `text`, `token_ids` → `embedding` Quali campi usa la richiesta? `POST /v1/embeddings` · `thenlper/gte-base`: `model`, `input`, `encoding_format`, `provider` Quali limiti si applicano? `POST /v1/embeddings` · `thenlper/gte-base`: `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.