Source: https://ailoot.ai/models/pl/baai-bge-large-en-v1-5/ Canonical: https://ailoot.ai/models/pl/baai-bge-large-en-v1-5/ Language: pl # BAAI: bge-large-en-v1.5 [Markdown](https://ailoot.ai/models/pl/baai-bge-large-en-v1-5/index.md) · [JSON](https://ailoot.ai/models/pl/baai-bge-large-en-v1-5/facts.json) ## [BAAI: bge-large-en-v1.5](https://ailoot.ai/models/pl/baai-bge-large-en-v1-5/) BAAI bge-large-en-v1.5 tworzy wektory angielskiego tekstu o 1024 wymiarach do wyszukiwania i porównania semantycznego. Przygotowanie v1.5 obsługuje opcjonalną instrukcję zapytania, z udokumentowaną długością sekwencji 512 tokenów. - [**Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` `baai/bge-large-en-v1.5`](https://ailoot.ai/models/pl/baai-bge-large-en-v1-5/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. bge-large-en-v1.5 to duże angielskie wydanie BAAI do gęstych osadzeń. Odwzorowuje tekst na wektor o 1024 wymiarach do wyszukiwania fragmentów i porównań semantycznych. Wersja 1.5 jest aktualizacją producenta ukierunkowaną na użyteczniejszy rozkład podobieństwa i lepsze wyszukiwanie bez instrukcji. Large pozostaje odrębnym punktem kontrolnym od Base, Small, wydań chińskich i wielojęzycznego BGE-M3. #### Przygotuj wyszukiwanie fragmentów Dla krótkiego zapytania wyszukiwania wśród dłuższych dokumentów producent zaleca instrukcję zapytania „Represent this sentence for searching relevant passages:”. Dodawaj ją po stronie zapytania; fragmenty korpusu zachowują własny tekst źródłowy bez tej instrukcji. W innych zastosowaniach wystarczy sam tekst. BAAI dokumentuje również wyszukiwanie bez prefiksu w v1.5 i zaleca wybór przygotowania najlepiej działającego w rzeczywistym zadaniu. Praktyczny zbiór wiedzy może indeksować sekcje angielskiego podręcznika technicznego. Pytanie o ustawienie zmieniające format wyjścia powinno zwrócić sekcję wyjaśniającą to ustawienie i jego warunki. Przy każdym fragmencie zachowaj nagłówek, istotne wyjaśnienie i lokalizację źródła. Model dostarcza reprezentację liczbową; zwrócony tekst źródłowy jest tym, czego używa czytelnik lub późniejszy etap RAG. #### Reprezentacja i dopasowanie Przykład bezpośredniego kodowania producenta używa końcowego stanu ukrytego pierwszego tokenu CLS jako zbiorczego osadzenia, a następnie normalizuje wektor. Porównanie znormalizowanych wektorów iloczynem skalarnym daje podobieństwo kosinusowe. Każdy fragment można więc przygotować raz i zapisać do porównywania z wektorami kolejnych zapytań, a zmieniony materiał źródłowy otrzymuje aktualną reprezentację. 1024 wymiary określają długość wektora wyjściowego. Różnią się od reprezentacji Base o 768 wymiarach i nie ustanawiają zgodnej wspólnej przestrzeni z innym punktem kontrolnym. Zachowuj oznaczenie modelu i sposób przygotowania przy zapisanym indeksie. Zmiana wydania osadzeń wymaga wspólnego sprawdzenia reprezentacji korpusu i zapytań. #### Zmieść źródło w oknie Udokumentowana długość sekwencji wynosi 512 tokenów. Długi podręcznik przygotuj jako spójne sekcje, a nie jedno nadmiernie duże wejście. Zachowuj warunek lub wyjątek obok reguły, której dotyczy, i dołączaj dość kontekstu, aby znaleziony fragment był zrozumiały samodzielnie. Dodatkowa instrukcja zapytania również zajmuje tokeny wejściowe, dlatego okno modelu dotyczy całego przygotowanego wejścia. Użyteczna granica fragmentu może obejmować nagłówek i akapity odpowiadające na jedno pytanie użytkownika. Zachowuj identyfikator i wersję dokumentu nadrzędnego poza wektorem, aby wynik można było prześledzić do właściwego źródła. Przy porównaniu używaj rzeczywistych tekstów, zamiast zastępować je niepowiązanymi podsumowaniami usuwającymi różnicę, którą chcesz wykryć. #### Interpretuj wynik podobieństwa Producent ostrzega przed traktowaniem bezwzględnego podobieństwa jako uniwersalnej reguły równoważności semantycznej. W wyszukiwaniu zasadnicze znaczenie ma względna kolejność wyników, a próg należy kalibrować na rozkładzie tekstów konkretnego zadania. Sprawdzaj kandydackie fragmenty dla pytań ze znanymi odpowiedziami oraz pytań, na które odpowiedzi nie ma. Pozwala to ustalić, czy zwrócona sekcja dostarcza wymaganej informacji, a nie tylko przypomina temat. bge-large-en-v1.5 dostarcza angielskie gęste wektory. Osobny model rerankingu może dopracować kolejność kandydatów, a osobny model językowy ułożyć odpowiedź z wybranych fragmentów. Użytecznym wyjściem tego wydania jest przeszukiwalna reprezentacja powiązana ze źródłem, z zachowaniem dokładnego wyboru modelu Large v1.5 i przygotowania wejścia. **Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` `baai/bge-large-en-v1.5` [`baai/bge-large-en-v1.5`](https://ailoot.ai/models/pl/#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` ### Start BAAI bge-large-en-v1.5 tworzy wektory angielskiego tekstu o 1024 wymiarach do wyszukiwania i porównania semantycznego. Przygotowanie v1.5 obsługuje opcjonalną instrukcję zapytania, z udokumentowaną długością sekwencji 512 tokenów. Akceptowane dane wejściowe Tekst · token\_ids Wyniki embedding ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` Wejście `text`, `token_ids` Wyjście `embedding` Format wyjściowy json | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity baai/bge-large-en-v1.5 | Domyślnie— | | Pole`input` | Typ`string\|string[]\|integer[]\|integer[][]` | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 Warunki: Niepusta, jednorodna partia danych. Identyfikatory tokenów są nieujemnymi liczbami całkowitymi. Budżet wejścia: Maksimum: 512 · Jednostka tekstu: bajty UTF8 · Jednostka tokenów: elementy tablicy tokenów | Domyślnie— | | Pole`encoding_format` | Typ`string` | WymaganieOpcjonalne | Wartości i limity float | Domyślniefloat | | Pole`dimensions` | Typ`integer` | WymaganieNieobsługiwane | Wartości i limity Minimum: 1 | Domyślnie— | | Pole`user` | Typ`json_value` | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— | | Pole`session_id` | Typ`json_value` | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— | | Pole`trace` | Typ`json_value` | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— | | Pole`provider` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Warunki: Odrzucono provider.options | Domyślnie— | Kombinacje materiałów wejściowych **text\_to\_embedding** Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, input | | Parametr`input_shapes` | Kontraktstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parametr`encoding_format` | Kontraktfloat | | Parametr`dimensions_override` | Kontraktfalse | | Parametr`max_input_budget_units` | Kontrakt512 | | Parametr`multimodal_objects` | Kontraktfalse | | Parametr`material_types` | Kontrakttext, token\_ids | Cykl życia: `synchronous_json` Zachowaj indeks i liczbę wymiarów każdego wektora. Nawet jeśli nazwa modelu wskazuje na multimodalność, ta konkretna ścieżka nie obsługuje obiektów obrazów. ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) #### Stawki Ailoot #### Ceny według konfiguracji | Konfiguracja | Tabela stawek | Opłata | | --- | --- | --- | | KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe **$0.00002** / 1K tokenów Wyjście · Tokeny wyjściowe **$0** / 1K tokenów Wejście · Odczyt cache **—** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Reprezentacje wektorowe curlPython SDK ```bash set -eu : "${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) ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · Reprezentacje wektorowe json ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowaj każdy wektor wraz z jego indeksem. Liczba wektorów musi być równa liczbie elementów wejściowych; wszystkie wektory muszą mieć tę samą liczbę wymiarów. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Nie wprowadzono endpointu zadań generowania osadzeń. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`object` | Typstring | | Pole`model` | Typstring | | Pole`data[].index` | Typinteger | | Pole`data[].embedding` | Typfinite float\[\] | | Pole`usage` | Typobject | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`baai/bge-large-en-v1.5`](https://ailoot.ai/models/pl/#m=baai%2Fbge-large-en-v1.5&route=Ultra&caller=baai%2Fbge-large-en-v1.5&fmt=embeddings) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`baai/bge-large-en-v1.5`](https://ailoot.ai/models/pl/#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 Jakie dane wejściowe i wyniki są dostępne? `POST /v1/embeddings` · `baai/bge-large-en-v1.5`: `text`, `token_ids` → `embedding` Jakich pól używa żądanie? `POST /v1/embeddings` · `baai/bge-large-en-v1.5`: `model`, `input`, `encoding_format`, `provider` Jakie limity obowiązują? `POST /v1/embeddings` · `baai/bge-large-en-v1.5`: `input.budget.maximum`: `512` (bajty UTF8); `input.min_items`: `1` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.