Source: https://ailoot.ai/models/pl/thenlper-gte-base/
Canonical: https://ailoot.ai/models/pl/thenlper-gte-base/
Language: pl

# Thenlper: GTE-Base

[Markdown](https://ailoot.ai/models/pl/thenlper-gte-base/index.md) · [JSON](https://ailoot.ai/models/pl/thenlper-gte-base/facts.json)

## [Thenlper: GTE-Base](https://ailoot.ai/models/pl/thenlper-gte-base/)

Alibaba DAMO Academy GTE-base tworzy osadzenia tekstu angielskiego w 768-wymiarowych wektorach do wyszukiwania i oceny podobieństwa semantycznego. Ten konkretny model używa uśredniania, obsługuje sekwencje do 512 tokenów i dokumentuje porównanie kosinusowe z opcjonalną normalizacją.

- [**Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` `thenlper/gte-base`](https://ailoot.ai/models/pl/thenlper-gte-base/#method-0)

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

GTE-base to bazowa wersja modelu General Text Embeddings wytrenowana przez Alibaba DAMO Academy. Ten koder tekstu angielskiego opiera się głównie na architekturze BERT i tworzy gęste wektory 768-wymiarowe. Jego trening wykorzystuje duży korpus par powiązanych ze sobą tekstów z różnych dziedzin, a deklarowane zastosowania obejmują wyszukiwanie informacji, ocenę podobieństwa semantycznego tekstów i ponowny ranking tekstu oparty na osadzeniach.

#### Przygotuj angielskie zapytania i fragmenty

Używaj czytelnego tekstu angielskiego zarówno do opisania potrzeby informacyjnej, jak i w przeszukiwanym materiale. Na przykład zapytanie o wymianę zużytego komponentu można porównać z krótkimi sekcjami dotyczącymi konserwacji, opisującymi kryteria wymiany, kroki kontroli i instrukcje zamawiania. Zachowaj nazwę komponentu i warunki rozróżniające te sekcje.

Opublikowany przykład koduje pytania i kandydujący tekst bezpośrednio, bez dodawania instrukcji zadania. Utrzymuj spójne przygotowanie w kolekcji i późniejszych zapytaniach. Zapisuj oryginalny fragment i jego identyfikator obok wektora, aby wynik w rankingu mógł pokazać reprezentowane informacje.

#### Uśrednianie i porównywanie

Procedura referencyjna uśrednia reprezentacje tokenów modelu przy użyciu maski uwagi, zapobiegając wpływowi pozycji dopełniających na wynik. Następnie pokazuje opcjonalną normalizację L2 i porównuje znormalizowane wektory za pomocą iloczynu skalarnego. Osobny przykład używa podobieństwa kosinusowego.

Wybierz i zachowaj spójną konfigurację normalizacji i porównania do indeksowania i wyszukiwania. Wyjście zawiera 768 składników liczbowych; nie zawiera wygenerowanej odpowiedzi. Na etapie ponownego rankingu kandydatów koduj kandydujące fragmenty tym samym modelem i porządkuj je według podobieństwa do zapytania. Nadal jest to porównanie oparte na osadzeniach, a nie stwierdzenie, że model wspólnie czyta każdą parę zapytanie–fragment jako cross-encoder.

#### Zakres języka angielskiego i wejścia do 512 tokenów

Karta tego konkretnego modelu ogranicza go do tekstu angielskiego i podaje, że długie wejścia są obcinane do maksymalnie 512 tokenów. Długi podręcznik powinien więc zostać podzielony na znaczące sekcje przed indeksowaniem. Zachowaj ostrzeżenie, wyjątek lub zastrzeżenie razem z modyfikowaną regułą, gdy te szczegóły są potrzebne do interpretacji fragmentu.

Dla zapytania o odstępy między przeglądami sekcja zawierająca odstęp i warunki pracy jest bardziej użyteczna niż fragment zawierający tylko liczbę. Zachowaj nagłówek lub tożsamość urządzenia, gdy pomaga to jednoznacznie zrozumieć instrukcję. Sprawdzaj długość wejścia w tokenach zamiast polegać na widocznej liczbie słów.

#### Korzystaj z fragmentów źródłowych stojących za oceną

Wyszukiwanie zwraca kandydatów z indeksowanej kolekcji. Sprawdź najwyżej ocenione fragmenty pod kątem konkretnego zadania i zachowaj ich położenie w źródle, przekazując je do etapu pisania odpowiedzi RAG. Powiązany fragment może omawiać kontrolę, nie upoważniając do wymiany; to rozróżnienie musi pozostać widoczne w materiale źródłowym.

GTE-base różni się od GTE-large, który tworzy wektory 1024-wymiarowe, oraz od późniejszych wielojęzycznych wersji GTE i wersji z rozszerzonym kontekstem. Jego opublikowana tożsamość modelu określa zakres tekstu angielskiego, reprezentację 768-składnikową i granicę 512 tokenów. Oceniając kolekcję do wyszukiwania, używaj tego konkretnego profilu z reprezentatywnymi zapytaniami i rekordami źródłowymi.

**Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` `thenlper/gte-base`

[`thenlper/gte-base`](https://ailoot.ai/models/pl/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings)

Thenlper /`thenlper/gte-base`

### Start

Alibaba DAMO Academy GTE-base tworzy osadzenia tekstu angielskiego w 768-wymiarowych wektorach do wyszukiwania i oceny podobieństwa semantycznego. Ten konkretny model używa uśredniania, obsługuje sekwencje do 512 tokenów i dokumentuje porównanie kosinusowe z opcjonalną normalizacją.

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 thenlper/gte-base | 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 **$0.00001** / 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": "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)
```

### 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** [`thenlper/gte-base`](https://ailoot.ai/models/pl/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings)

#### Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

#### Powiązane ID modeli

[`thenlper/gte-base`](https://ailoot.ai/models/pl/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings)

FAQ · Thenlper: GTE-Base

Jakie dane wejściowe i wyniki są dostępne?

`POST /v1/embeddings` · `thenlper/gte-base`: `text`, `token_ids` → `embedding`

Jakich pól używa żądanie?

`POST /v1/embeddings` · `thenlper/gte-base`: `model`, `input`, `encoding_format`, `provider`

Jakie limity obowiązują?

`POST /v1/embeddings` · `thenlper/gte-base`: `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.