Source: https://ailoot.ai/models/pt-pt/thenlper-gte-base/ Canonical: https://ailoot.ai/models/pt-pt/thenlper-gte-base/ Language: pt-pt # Thenlper: GTE-Base [Markdown](https://ailoot.ai/models/pt-pt/thenlper-gte-base/index.md) · [JSON](https://ailoot.ai/models/pt-pt/thenlper-gte-base/facts.json) ## [Thenlper: GTE-Base](https://ailoot.ai/models/pt-pt/thenlper-gte-base/) Alibaba DAMO Academy GTE-base gera embeddings de texto em inglês em vetores de 768 dimensões para recuperação e similaridade semântica. O modelo exato utiliza pooling por média, suporta sequências de até 512 tokens e documenta comparação do tipo cosseno com normalização opcional. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `thenlper/gte-base`](https://ailoot.ai/models/pt-pt/thenlper-gte-base/#method-0) Sobre o modelo Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo. GTE-base é o modelo General Text Embeddings de tamanho base treinado pela Alibaba DAMO Academy. Este codificador de texto em inglês é principalmente baseado no framework BERT e produz vetores densos de 768 dimensões. O seu treino utiliza um grande corpus de pares de relevância em vários domínios, estando a recuperação de informação, a similaridade semântica textual e a reordenação de textos baseada em embeddings entre as aplicações indicadas. #### Prepare consultas e passagens em inglês Utilize texto legível em inglês tanto para a necessidade de informação como para o material a pesquisar. Por exemplo, uma consulta sobre a substituição de um componente gasto pode ser comparada com secções curtas de manutenção que descrevam critérios de substituição, etapas de inspeção e instruções de encomenda. Conserve o nome do componente e as condições que distinguem essas secções. O exemplo publicado codifica diretamente perguntas e texto candidato, sem uma instrução de tarefa acrescentada. Mantenha essa preparação consistente na coleção e nas consultas posteriores. Guarde a passagem original e o respetivo identificador junto do vetor, para que um resultado ordenado possa mostrar a informação representada. #### Pooling por média e comparação A receita de referência calcula a média das representações dos tokens do modelo utilizando a máscara de atenção, impedindo que as posições de preenchimento contribuam para o resultado. Depois mostra normalização L2 opcional e compara os vetores normalizados através do respetivo produto escalar. Um exemplo separado utiliza similaridade do cosseno. Escolha e conserve uma configuração consistente de normalização e comparação para indexação e recuperação. A saída contém 768 componentes numéricos; não contém uma resposta gerada. Numa etapa de reordenação de candidatos, codifique as passagens candidatas com o mesmo modelo e ordene-as pela sua similaridade à consulta. Isto continua a ser comparação baseada em embeddings, em vez de uma alegação de que o modelo lê conjuntamente cada par de consulta e passagem como um cross-encoder. #### Âmbito em inglês e entradas de 512 tokens A ficha exata limita este modelo a texto em inglês e indica que entradas longas são truncadas a um máximo de 512 tokens. Um manual longo deve, por isso, tornar-se um conjunto de secções significativas antes da indexação. Mantenha um aviso, exceção ou ressalva junto da regra que modifica sempre que esses detalhes sejam necessários para interpretar a passagem. Para uma consulta sobre intervalos de manutenção, uma secção que contenha o intervalo e a condição de funcionamento é mais útil do que um fragmento apenas com um número. Preserve o título ou a identidade do equipamento quando desambigua a instrução. Verifique o comprimento no tokenizador, em vez de depender do número visível de palavras. #### Utilize as passagens de origem por trás da pontuação A recuperação devolve candidatos da coleção indexada. Examine as primeiras passagens quanto à tarefa exata e conserve as suas localizações de origem ao passá-las para uma etapa de redação de resposta RAG. Uma passagem relacionada pode abordar inspeção sem autorizar substituição; essa distinção tem de continuar visível no material de origem. GTE-base é distinto de GTE-large, que produz vetores de 1024 dimensões, e de edições GTE multilingues ou de contexto alargado posteriores. A sua identidade de modelo publicada define o âmbito em inglês, a representação de 768 componentes e o limite de 512 tokens. Utilize este perfil exato com consultas e registos de origem representativos ao avaliar uma coleção de recuperação. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `thenlper/gte-base` [`thenlper/gte-base`](https://ailoot.ai/models/pt-pt/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings) Thenlper /`thenlper/gte-base` ### Introdução Alibaba DAMO Academy GTE-base gera embeddings de texto em inglês em vetores de 768 dimensões para recuperação e similaridade semântica. O modelo exato utiliza pooling por média, suporta sequências de até 512 tokens e documenta comparação do tipo cosseno com normalização opcional. Entradas aceites Texto · token\_ids Resultados embedding ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Entrada `text`, `token_ids` Saída `embedding` Formato de saída json | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites thenlper/gte-base | Predefinição— | | Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 Condições: Lote homogéneo não vazio. Os IDs de tokens são números inteiros não negativos. Orçamento de entrada: Máximo: 512 · Unidade de texto: bytes UTF8 · Unidade de tokens: elementos do array de tokens | Predefinição— | | Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores e limites float | Predefiniçãofloat | | Campo`dimensions` | Tipo`integer` | RequisitoNão suportado | Valores e limites Mínimo: 1 | Predefinição— | | Campo`user` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`session_id` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`trace` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores e limites Condições: provider.options rejeitado | Predefinição— | Combinações de materiais de entrada **text\_to\_embedding** Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, input | | Parâmetro`input_shapes` | Contratostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parâmetro`encoding_format` | Contratofloat | | Parâmetro`dimensions_override` | Contratofalse | | Parâmetro`max_input_budget_units` | Contrato512 | | Parâmetro`multimodal_objects` | Contratofalse | | Parâmetro`material_types` | Contratotext, token\_ids | Ciclo de vida: `synchronous_json` Guarde o índice e a dimensão de cada vetor. O nome do modelo multimodal não permite objetos de imagem neste caminho exato. ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Não especificado Quando o modo rápido está selecionado Modo flex Não especificado Quando o modo flex está selecionado Esforço máximo de raciocínio Não especificado Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) #### Tarifas Ailoot #### Preços por configuração | Configuração | Tabela de tarifas | Custo | | --- | --- | --- | | ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada **$0.00001** / 1K tokens Saída · Tokens de saída **$0** / 1K tokens Entrada · Leitura da cache **—** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${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) ``` ### Receber e guardar os resultados #### Ailoot Ultra · Embeddings json ##### Guardar todos os resultados concluídos Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra. Guarde cada vetor com o respetivo índice. O número de vetores tem de ser igual ao número de entradas; as dimensões têm de ser consistentes. ##### Se for necessário verificar a resposta original Não é introduzido nenhum endpoint de tarefas de embeddings. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | Tipoobject | Erros e passos seguintes | Resposta | Condição | Passo seguinte | | --- | --- | --- | | Resposta400 · `invalid_request_error` | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`thenlper/gte-base`](https://ailoot.ai/models/pt-pt/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`thenlper/gte-base`](https://ailoot.ai/models/pt-pt/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings) FAQ · Thenlper: GTE-Base Que entradas e resultados estão disponíveis? `POST /v1/embeddings` · `thenlper/gte-base`: `text`, `token_ids` → `embedding` Que campos utiliza o pedido? `POST /v1/embeddings` · `thenlper/gte-base`: `model`, `input`, `encoding_format`, `provider` Que limites se aplicam? `POST /v1/embeddings` · `thenlper/gte-base`: `input.budget.maximum`: `512` (bytes UTF8); `input.min_items`: `1` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.