BAAI: bge-large-en-v1.5
BAAI bge-large-en-v1.5 は、検索と意味比較のために1024次元の英語テキストベクトルを生成します。v1.5 の準備方法では任意のクエリ用指示文に対応し、ドキュメントに記載されたシーケンス長は512トークンです。
モデルについて
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
bge-large-en-v1.5 は、BAAI の英語用の大規模な密埋め込みエディションです。文章検索や意味の比較のため、テキストを 1024 次元ベクトルに変換します。Version 1.5 は、類似度の分布をより扱いやすくし、指示なしの検索を改善するためのメーカーの更新です。Large は、Base、Small、中国語版、多言語の BGE-M3 とは別のチェックポイントです。
文章検索を準備する
短い検索クエリーで長い文書を探す場合、メーカーは、クエリー用の指示「Represent this sentence for searching relevant passages:」を勧めています。これはクエリー側に追加し、コーパスの文章には付けず、元のテキストを使います。他の用途では、そのままのテキストで十分です。BAAI は、v1.5 で接頭辞を付けない検索も説明し、実際のタスクで最もよく働く準備方法を選ぶよう勧めています。
実用的な知識コレクションでは、英語の技術マニュアルの各節を索引化できます。どの設定で出力形式が変わるかという質問に、その設定と条件を説明する節を返すようにします。各文章に見出し、関係する説明、出典の場所を保持してください。モデルが提供するのは数値表現です。読者や後続の RAG 工程が利用するのは、取得された元のテキストです。
表現と照合
メーカーの直接符号化の例は、最初の CLS トークンの最終隠れ状態をプーリングした埋め込みとして使い、その後ベクトルを正規化します。正規化されたベクトルを内積で比較すると、コサイン類似度が得られます。そのため、各文章を一度準備して保存し、新しいクエリーベクトルと比較できます。元資料が変わった場合は、その表現を更新します。
1024 次元は出力ベクトルの長さを表します。768 次元の Base の表現とは異なり、別のチェックポイントと互換性のある共通空間を示すものではありません。モデルと入力の準備方法を保存した索引に関連付けます。埋め込みエディションを変えるときは、コーパスとクエリーの表現を一緒に確認する必要があります。
入力をウィンドウ内に収める
文書化されたシーケンス長は 512 トークンです。長いマニュアルは、一つの大き過ぎる入力ではなく、内容のまとまった節に分けます。規則の条件や例外は、その規則のそばに置き、取得された節だけでも理解できる文脈を含めます。追加するクエリー指示も入力トークンを使うため、ウィンドウには準備した入力全体を収める必要があります。
有用な文章の区切りは、見出しと、ユーザーの一つの質問に答える段落を含められます。元文書の識別子とバージョンはベクトルの外に保持し、正しい出典を追跡できるようにします。比較では、必要な違いを失う無関係な要約に置き換えず、実際に比較するテキストを使ってください。
スコアを解釈する
メーカーは、絶対的な類似度を、意味が同じかどうかの普遍的な規則として使わないよう注意しています。検索ではスコアの相対的な順序が重要で、しきい値はタスクのテキスト分布に合わせて調整すべきです。答えが分かっている質問と、答えが含まれていない質問で、候補の文章を確認してください。それにより、単に話題が似ているだけでなく、必要な情報が得られたかを判断できます。
bge-large-en-v1.5 は、英語の密ベクトルを提供します。別の reranker で候補の順序を調整し、別の言語モデルで選んだ文章から回答を作れます。このエディションの有用な出力は、出典のテキストと結び付いた検索可能な表現です。正確な Large v1.5 の選択と入力の準備方法を記録しておきます。
Ailoot Ultra · 埋め込み POST /v1/embeddings baai/bge-large-en-v1.5
baai/bge-large-en-v1.5はじめに
BAAI bge-large-en-v1.5 は、検索と意味比較のために1024次元の英語テキストベクトルを生成します。v1.5 の準備方法では任意のクエリ用指示文に対応し、ドキュメントに記載されたシーケンス長は512トークンです。
- 対応する入力
- テキスト · token_ids
- 結果
- embedding
Ailootで利用可能 · 入力とメソッド
Ailoot Ultra · 埋め込み POST /v1/embeddings
- 入力の種類
text,token_ids- 出力の種類
embedding- 出力形式
- json
| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 baai/bge-large-en-v1.5 | デフォルト— |
フィールドinput | 種類string|string[]|integer[]|integer[][] | 要件必須 | 値と制限 最小項目数: 1 条件: 空でなく、要素の型が統一されたバッチ。トークン ID は非負の整数です。 入力の許容量: 最大値: 512 · テキスト単位: UTF8 バイト · トークン単位: トークン配列の要素 | デフォルト— |
フィールドencoding_format | 種類string | 要件任意 | 値と制限 float | デフォルトfloat |
フィールドdimensions | 種類integer | 要件非対応 | 値と制限 最小値: 1 | デフォルト— |
フィールドuser | 種類json_value | 要件任意 | 値と制限 条件: ソースではこの JSON メタデータフィールドが許可されています。上流側での正確な意味はモデルによって異なります。 | デフォルト— |
フィールドsession_id | 種類json_value | 要件任意 | 値と制限 条件: ソースではこの JSON メタデータフィールドが許可されています。上流側での正確な意味はモデルによって異なります。 | デフォルト— |
フィールドtrace | 種類json_value | 要件任意 | 値と制限 条件: ソースではこの JSON メタデータフィールドが許可されています。上流側での正確な意味はモデルによって異なります。 | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: provider.options は拒否されます | デフォルト— |
入力素材の組み合わせ
text_to_embedding
メソッドのパラメータとライフサイクル
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, input |
パラメータinput_shapes | 仕様string, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
パラメータencoding_format | 仕様float |
パラメータdimensions_override | 仕様false |
パラメータmax_input_budget_units | 仕様512 |
パラメータmultimodal_objects | 仕様false |
パラメータmaterial_types | 仕様text, token_ids |
ライフサイクル: synchronous_json
各ベクトルのインデックスと次元数を保存してください。
モデル名がマルチモーダルであることを示していても、この正確なパスでは画像オブジェクトは受け付けられません。
料金
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
- 高速モード
- 未指定 高速モードが選択されている場合
- Flex モード
- 未指定 flex モードが選択されている場合
- 最大推論量
- 未指定 推論量が最大で、調整に既定値（default）を使用する場合
Ailootの料金
設定別の価格
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.00002 / 1K トークン 出力 · 出力トークン $0 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
リクエスト例
Ailoot Ultra · 埋め込み
set -eu
: "${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
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)
結果を受け取って保存
Ailoot Ultra · 埋め込み
json
完了した結果をすべて保存
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのベクトルを、そのインデックスとともに保存してください。ベクトル数は入力数と一致し、次元数は統一されている必要があります。
元のレスポンスを確認する場合
埋め込みジョブ用のエンドポイントは新設されません。
レスポンスのフィールド
| フィールド | 種類 |
|---|---|
フィールドobject | 種類string |
フィールドmodel | 種類string |
フィールドdata[].index | 種類integer |
フィールドdata[].embedding | 種類finite float[] |
フィールドusage | 種類object |
エラーと次の手順
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
エイリアス
モデルのエイリアス
Ailoot Ultra baai/bge-large-en-v1.5
メソッドパスのエイリアス
上記に表示されたメソッドパスを使用してください。
関連する呼び出し用ID
FAQ · BAAI: bge-large-en-v1.5
- 利用できる入力と結果は何ですか？
POST /v1/embeddings·baai/bge-large-en-v1.5:text,token_ids→embedding- リクエストはどの項目を使用しますか？
POST /v1/embeddings·baai/bge-large-en-v1.5:model,input,encoding_format,provider- どの制限が適用されますか？
POST /v1/embeddings·baai/bge-large-en-v1.5:input.budget.maximum:512(UTF8 バイト);input.min_items:1