Source: https://ailoot.ai/models/ms/baai-bge-large-en-v1-5/
Canonical: https://ailoot.ai/models/ms/baai-bge-large-en-v1-5/
Language: ms

# BAAI: bge-large-en-v1.5

[Markdown](https://ailoot.ai/models/ms/baai-bge-large-en-v1-5/index.md) · [JSON](https://ailoot.ai/models/ms/baai-bge-large-en-v1-5/facts.json)

## [BAAI: bge-large-en-v1.5](https://ailoot.ai/models/ms/baai-bge-large-en-v1-5/)

BAAI bge-large-en-v1.5 menghasilkan vektor teks bahasa Inggeris 1024 dimensi untuk pemerolehan semula dan perbandingan semantik. Penyediaan v1.5 menyokong arahan pertanyaan pilihan, dengan panjang jujukan 512 token yang didokumenkan.

- [**Ailoot Ultra · Pembenaman** `POST /v1/embeddings` `baai/bge-large-en-v1.5`](https://ailoot.ai/models/ms/baai-bge-large-en-v1-5/#method-0)

Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

bge-large-en-v1.5 ialah edisi pembenaman padat bahasa Inggeris bersaiz Large daripada BAAI. Model ini memetakan teks kepada vektor 1024 dimensi untuk carian petikan dan perbandingan semantik. Versi 1.5 ialah kemas kini pengeluar yang menyasarkan taburan keserupaan yang lebih berguna dan carian yang lebih baik tanpa arahan. Large kekal sebagai titik semak yang berbeza daripada Base, Small, edisi bahasa Cina dan model berbilang bahasa BGE-M3.

#### Sediakan carian petikan

Untuk pertanyaan carian ringkas terhadap dokumen lebih panjang, pengeluar mengesyorkan arahan pertanyaan “Represent this sentence for searching relevant passages:”. Tambahkannya pada bahagian pertanyaan; petikan korpus mengekalkan teks sumbernya sendiri tanpa arahan tersebut. Dalam penggunaan lain, teks langsung memadai. BAAI turut mendokumentasikan carian tanpa awalan dalam v1.5 dan mengesyorkan persediaan yang paling berkesan untuk tugas sebenar.

Koleksi pengetahuan praktikal boleh mengindeks bahagian manual teknikal bahasa Inggeris. Soalan tentang tetapan yang mengubah format output sepatutnya memulangkan bahagian yang menjelaskan tetapan itu dan syaratnya. Simpan tajuk, penjelasan berkaitan dan lokasi sumber bersama setiap petikan. Model menyediakan perwakilan berangka; teks sumber yang dipulangkan ialah bahan yang digunakan pembaca atau peringkat RAG kemudian.

#### Perwakilan dan pemadanan

Contoh pengekodan langsung pengeluar menggunakan keadaan tersembunyi terakhir token CLS pertama sebagai pembenaman terkumpul, kemudian menormalkan vektor. Membandingkan vektor yang dinormalkan dengan hasil darab titik memberikan keserupaan kosinus. Oleh itu, setiap petikan boleh disediakan sekali dan disimpan untuk perbandingan dengan vektor pertanyaan masuk, manakala bahan sumber yang berubah menerima perwakilan yang dikemas kini.

Sebanyak 1024 dimensi menentukan panjang vektor output. Ini berbeza daripada perwakilan Base 768 dimensi dan tidak membuktikan ruang bersama yang serasi dengan titik semak lain. Kekalkan model dan kaedah persediaan bersama indeks yang disimpan. Perubahan edisi pembenaman memerlukan semakan perwakilan korpus dan pertanyaan bersama-sama.

#### Muatkan sumber dalam tetingkap

Panjang jujukan yang didokumentasikan ialah 512 token. Sediakan manual panjang sebagai bahagian yang koheren, bukannya satu input yang terlalu besar. Kekalkan syarat atau pengecualian bersebelahan dengan peraturan yang diperincikannya, dan sertakan konteks yang mencukupi supaya bahagian yang diperoleh dapat difahami secara tersendiri. Arahan pertanyaan tambahan turut menggunakan token input, jadi tetingkap model meliputi keseluruhan input yang disediakan.

Sempadan petikan yang berguna boleh mengandungi tajuk dan perenggan yang menjawab satu soalan pengguna. Simpan pengecam serta versi dokumen induk di luar vektor supaya hasil dapat dijejaki kepada sumber yang betul. Untuk tugas perbandingan, gunakan teks sebenar yang hendak dibandingkan, bukannya ringkasan tidak berkaitan yang membuang perbezaan yang perlu ditemui.

#### Tafsirkan skor

Pengeluar memberi amaran supaya keserupaan mutlak tidak dianggap sebagai peraturan universal untuk kesetaraan semantik. Susunan skor relatif penting dalam carian, dan ambang perlu ditentukur pada taburan teks tugas itu sendiri. Semak petikan calon untuk soalan dengan jawapan yang diketahui dan soalan yang jawapannya tiada. Ini menunjukkan sama ada bahagian yang dipulangkan memberikan maklumat yang diperlukan, bukannya sekadar menyerupai topiknya.

bge-large-en-v1.5 membekalkan vektor padat bahasa Inggeris. Pemeringkat semula berasingan boleh memperhalus susunan calon, dan model bahasa berasingan boleh membentuk jawapan daripada petikan yang dipilih. Output berguna daripada edisi ini ialah perwakilan boleh dicari yang terikat pada teks sumbernya, dengan pilihan model Large v1.5 yang tepat dan persediaan input dikekalkan.

**Ailoot Ultra · Pembenaman** `POST /v1/embeddings` `baai/bge-large-en-v1.5`

[`baai/bge-large-en-v1.5`](https://ailoot.ai/models/ms/#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`

### Pengenalan

BAAI bge-large-en-v1.5 menghasilkan vektor teks bahasa Inggeris 1024 dimensi untuk pemerolehan semula dan perbandingan semantik. Penyediaan v1.5 menyokong arahan pertanyaan pilihan, dengan panjang jujukan 512 token yang didokumenkan.

Input yang diterima

Teks · token\_ids

Hasil

embedding

### Tersedia di Ailoot · input & kaedah

**Ailoot Ultra · Pembenaman** `POST /v1/embeddings`

Input

`text`, `token_ids`

Output

`embedding`

Format output

json

| Medan | Jenis | Keperluan | Nilai & had | Lalai |
| --- | --- | --- | --- | --- |
| Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had baai/bge-large-en-v1.5 | Lalai— |
| Medan`input` | Jenis`string\|string[]\|integer[]\|integer[][]` | KeperluanDiperlukan | Nilai & had Item minimum: 1 Syarat: Kelompok homogen yang tidak kosong. ID token ialah integer bukan negatif. Bajet input: Maksimum: 512 · Unit teks: bait UTF8 · Unit token: elemen tatasusunan token | Lalai— |
| Medan`encoding_format` | Jenis`string` | KeperluanPilihan | Nilai & had float | Lalaifloat |
| Medan`dimensions` | Jenis`integer` | KeperluanTidak disokong | Nilai & had Minimum: 1 | Lalai— |
| Medan`user` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`session_id` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`trace` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`provider` | Jenis`object` | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak | Lalai— |

Gabungan bahan input

**text\_to\_embedding**

Parameter kaedah dan kitar hayat

| 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 |

Kitar hayat: `synchronous_json`

Simpan setiap indeks dan dimensi vektor.

Nama model multimodal tidak bermakna objek imej dibenarkan pada laluan khusus ini.

### Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas

Tidak dinyatakan Apabila mod pantas dipilih

Mod flex

Tidak dinyatakan Apabila mod flex dipilih

Usaha penaakulan maksimum

Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default

#### Kadar Ailoot

#### Harga mengikut konfigurasi

| Konfigurasi | Jadual kadar | Caj |
| --- | --- | --- |
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input **$0.00002** / 1K token Output · Token output **$0** / 1K token Input · Bacaan cache **—** / 1K token Input · Penulisan cache **—** / 1K token Input · Penulisan cache, 1 jam **—** / 1K token |

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. [Cara rizab dan penyelesaian caj berfungsi →](https://ailoot.ai/docs/ms/billing/reserve/)

### Contoh permintaan

#### Ailoot Ultra · Pembenaman

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 · Pembenaman

json

##### Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Simpan setiap vektor bersama indeksnya. Bilangan vektor mesti sama dengan bilangan input; dimensi mesti konsisten.

##### Jika respons asal perlu disemak

Tiada titik akhir tugas pembenaman diperkenalkan.

Medan respons

| Medan | Jenis |
| --- | --- |
| Medan`object` | Jenisstring |
| Medan`model` | Jenisstring |
| Medan`data[].index` | Jenisinteger |
| Medan`data[].embedding` | Jenisfinite float\[\] |
| Medan`usage` | Jenisobject |

Ralat dan langkah seterusnya

| Respons | Syarat | Langkah seterusnya |
| --- | --- | --- |
| Respons400 · `invalid_request_error` | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |

### Alias

#### Alias model

**Ailoot Ultra** [`baai/bge-large-en-v1.5`](https://ailoot.ai/models/ms/#m=baai%2Fbge-large-en-v1.5&route=Ultra&caller=baai%2Fbge-large-en-v1.5&fmt=embeddings)

#### Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

#### ID pemanggil berkaitan

[`baai/bge-large-en-v1.5`](https://ailoot.ai/models/ms/#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

Apakah input dan hasil yang tersedia?

`POST /v1/embeddings` · `baai/bge-large-en-v1.5`: `text`, `token_ids` → `embedding`

Apakah medan yang digunakan oleh permintaan?

`POST /v1/embeddings` · `baai/bge-large-en-v1.5`: `model`, `input`, `encoding_format`, `provider`

Apakah had yang terpakai?

`POST /v1/embeddings` · `baai/bge-large-en-v1.5`: `input.budget.maximum`: `512` (bait UTF8); `input.min_items`: `1`

Sambungkan Ailoot kepada Claude Code, OpenCode, Hermes atau aplikasi anda.

## Syarikat dan portfolio projeknya

Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.

## Beli token dengan diskaun.

Diskaun langganan untuk penggunaan berkala. Kod promosi — sehingga 50% bagi pembelian token.

Langganan

Pilih pelan berdiskaun untuk permintaan berkala anda.

Kod promosi sehingga 50%

Masukkan kod semasa pembelian. Harga dikira semula mengikut promosi semasa.

Perbelanjaan dalam sejarah

Model, token dan jumlah disimpan bagi setiap permintaan.

[Pilih langganan](https://ailoot.ai/docs/ms/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/ms/)

## Sambungkan API kepada produk yang anda jual.

SaaS, aplikasi dan bot — di bawah tawaran rasmi serta perjanjian lesen Ailoot. Untuk jualan semula, mohon lesen penjual semula.

Aplikasi komersial

Tambahkan penjanaan teks, imej, video dan audio pada ciri berbayar perkhidmatan anda.

Lesen penjual semula

Hantar keterangan projek dan susunan akses. Minta terma penggunaan serta jualan semula secara bertulis.

Dokumen pada laman

Tawaran, perjanjian lesen dan dasar pemprosesan data tersedia sebelum sambungan.

[Mohon lesen penjual semula](mailto:support@ailoot.ai) · [Tawaran dan perjanjian lesen](https://ailoot.ai/legal/offer?lang=ms)

## Ailoot · Syarikat dan portfolio projeknya





Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan.





Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.





Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.