BAAI: bge-base-en-v1.5
BAAI bge-base-en-v1.5 преобразует английский текст в 768-мерные векторы для семантического поиска и задач сходства. Входное окно 512 токенов и поисковая инструкция только для запроса подходят для фрагментов по конкретной теме в индексе поиска по документам или знаниям.
О модели
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
bge-base-en-v1.5 — англоязычная модель плотных эмбеддингов BAAI базового размера. Она преобразует каждый текст в 768-мерное числовое представление для поиска и семантического сравнения. Модель относится к линейке BGE v1.5, которая корректирует распределение оценок сходства прежнего семейства и улучшает поиск без переданной инструкции. Её вывод — вектор для сравнения текстов или поиска релевантных фрагментов.
Подготовьте запросы и фрагменты
Для короткого запроса, ищущего более длинные фрагменты, BAAI рекомендует предварять запрос строкой «Represent this sentence for searching relevant passages:». Фрагменты корпуса не получают эту инструкцию. Для других задач эмбеддинг можно создавать напрямую из исходного текста. Производитель отмечает, что v1.5 работает и без инструкции, поэтому подготовку следует выбирать под задачу, а не считать префикс единственным допустимым входом.
Практическая поисковая коллекция может содержать статьи помощи, пояснения продукта или технические инструкции. Запрос вроде «How do I change the export format?» должен находить фрагмент, описывающий это действие. Сохраняйте заголовок раздела, относящиеся к делу условия и реальный исходный текст вместе. Храните идентификатор и местоположение фрагмента рядом с вектором, чтобы поиск мог вернуть то, что пользователь прочитает или на что сошлётся последующий этап ответа.
Формат вектора и сравнение
Документированное представление использует финальное скрытое состояние первого токена, или CLS, как эмбеддинг предложения. Примеры производителя нормализуют вектор и сравнивают нормализованные эмбеддинги скалярным произведением, эквивалентным косинусному сходству. 768 измерений — размер выходного представления этой модели, а не выбираемая длина контекста или лимит генерации текста.
Используйте одну модель и конвенцию подготовки для сравниваемых векторов запроса и корпуса. Практическая проверка — найти известные фрагменты с ответом для небольшого набора реальных вопросов пользователей, затем рассмотреть возвращённый текст. Совместимая форма вектора позволяет индексу хранить представление, а исходный фрагмент устанавливает, что результат действительно говорит.
Длина входа и подготовка документа
Документированная длина последовательности модели — 512 токенов. Поэтому длинный источник следует разделить на связные фрагменты с ответами до создания эмбеддингов. Храните определения и исключения с утверждением, которое они уточняют, и сохраняйте связь фрагмента с родительским документом. Текст для эмбеддинга включает любую добавленную инструкцию или заголовок, поэтому компактная подготовка оставляет больше места полезному исходному содержимому.
Для отчёта или руководства выбирайте границы вокруг раздела или небольшой группы связанных абзацев. Фрагмент только с заголовком или обрывком без предмета может быть трудно интерпретировать после извлечения. Сохраняйте исходный текст и версию источника, чтобы обновление индекса могло заменить соответствующий материал при изменении документа.
Оценки и полезный вывод
BAAI предупреждает, что абсолютные значения сходства не являются универсальными порогами для решения, означают ли два текста одно и то же. Важен относительный порядок, а порог фильтрации следует выбирать по распределению на данных самой задачи. Высокое сходство векторов — поисковый сигнал, а не проверка фактического содержания фрагмента.
Полезный результат — индекс англоязычных фрагментов, набор векторов запросов или числовые признаки для семантического сравнения. Отдельный реранкер может уточнить найденных кандидатов, а отдельный этап генерации — написать ответ на основе их текста. Эта конкретная базовая англоязычная модель v1.5 остаётся отдельной от BGE Large, китайских изданий и многоязычных и гибридных поисковых профилей BGE-M3.
Ailoot Ultra · Эмбеддинги POST /v1/embeddings baai/bge-base-en-v1.5
baai/bge-base-en-v1.5Начало
BAAI bge-base-en-v1.5 преобразует английский текст в 768-мерные векторы для семантического поиска и задач сходства. Входное окно 512 токенов и поисковая инструкция только для запроса подходят для фрагментов по конкретной теме в индексе поиска по документам или знаниям.
- Допустимые входные данные
- Текст · token_ids
- Результаты
- embedding
Доступно в Ailoot · входные данные и методы
Ailoot Ultra · Эмбеддинги POST /v1/embeddings
- Входные данные
text,token_ids- Результат
embedding- Выходной формат
- json
| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения baai/bge-base-en-v1.5 | По умолчанию— |
Полеinput | Типstring|string[]|integer[]|integer[][] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 Условия: Непустой однородный пакет. ID токенов — неотрицательные целые числа. Входной бюджет: Максимум: 512 · Текстовая единица: байты UTF8 · Единица токенов: элементы массива токенов | По умолчанию— |
Полеencoding_format | Типstring | ТребованиеНеобязательно | Значения и ограничения float | По умолчаниюfloat |
Полеdimensions | Типinteger | ТребованиеНе поддерживается | Значения и ограничения Минимум: 1 | По умолчанию— |
Полеuser | Типjson_value | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— |
Полеsession_id | Типjson_value | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— |
Полеtrace | Типjson_value | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется | По умолчанию— |
Сочетания входных материалов
text_to_embedding
Параметры и жизненный цикл метода
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, input |
Параметрinput_shapes | Контрактstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Параметрencoding_format | Контрактfloat |
Параметрdimensions_override | Контрактfalse |
Параметрmax_input_budget_units | Контракт512 |
Параметрmultimodal_objects | Контрактfalse |
Параметрmaterial_types | Контрактtext, token_ids |
Жизненный цикл: synchronous_json
Сохраняйте индекс и размерность каждого вектора.
Название мультимодальной модели не означает допуск объектов изображений на этом конкретном маршруте.
Тарифы
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
- Быстрый режим
- Не указано При выборе быстрого режима
- Режим flex
- Не указано При выборе режима flex
- Максимальная интенсивность рассуждений
- Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default)
Ставки Ailoot
Цены по конфигурациям
| Конфигурация | Шкала ставок | Плата |
|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены $0.00001 / 1K токенов Выход · Выходные токены $0 / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
Примеры запросов
Ailoot Ultra · Эмбеддинги
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "baai/bge-base-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-base-en-v1.5',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
Получить и сохранить результаты
Ailoot Ultra · Эмбеддинги
json
Сохраняйте все готовые результаты
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте каждый вектор с его индексом. Число векторов должно совпадать с числом входных элементов; размерности должны быть согласованы.
Если нужно проверить исходный ответ
Отдельный эндпоинт заданий эмбеддингов не вводится.
Поля ответа
| Поле | Тип |
|---|---|
Полеobject | Типstring |
Полеmodel | Типstring |
Полеdata[].index | Типinteger |
Полеdata[].embedding | Типfinite float[] |
Полеusage | Типobject |
Ошибки и дальнейшие шаги
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Псевдонимы
Псевдонимы моделей
Ailoot Ultra baai/bge-base-en-v1.5
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
FAQ · BAAI: bge-base-en-v1.5
- Какие входные данные и результаты доступны?
POST /v1/embeddings·baai/bge-base-en-v1.5:text,token_ids→embedding- Какие поля использует запрос?
POST /v1/embeddings·baai/bge-base-en-v1.5:model,input,encoding_format,provider- Какие ограничения действуют?
POST /v1/embeddings·baai/bge-base-en-v1.5:input.budget.maximum:512(байты UTF8);input.min_items:1