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

# Thenlper: GTE-Base

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

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

Alibaba DAMO Academy GTE-base преобразует английский текст в векторы размерности 768 для поиска и оценки семантического сходства. Эта конкретная модель использует усредняющий пулинг, поддерживает последовательности до 512 токенов и документирует косинусное сравнение с необязательной нормализацией.

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

О модели

Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.

GTE-base — модель General Text Embeddings базового размера, обученная Alibaba DAMO Academy. Этот энкодер английского текста преимущественно основан на архитектуре BERT и создаёт плотные векторы размерности 768. В обучении используется большой корпус пар, связанных релевантностью, из разных предметных областей; среди заявленных применений — информационный поиск, оценка семантического сходства текстов и повторное ранжирование текстов на основе эмбеддингов.

#### Подготовьте английские запросы и фрагменты

Используйте читаемый английский текст и для информационной потребности, и для материалов поиска. Например, запрос о замене изношенной детали можно сравнивать с короткими разделами по обслуживанию, описывающими критерии замены, этапы осмотра и инструкции по заказу. Сохраняйте название детали и условия, которые различают эти разделы.

Опубликованный пример напрямую кодирует вопросы и тексты-кандидаты без добавленной инструкции задачи. Сохраняйте этот способ подготовки единым для коллекции и последующих запросов. Храните исходный фрагмент и его идентификатор рядом с вектором, чтобы результат ранжирования мог показать представленную информацию.

#### Усредняющий пулинг и сравнение

Эталонный пример усредняет представления токенов модели с помощью маски внимания, исключая вклад позиций заполнения в результат. Затем он показывает необязательную L2-нормализацию и сравнивает нормализованные векторы через скалярное произведение. Отдельный пример использует косинусное сходство.

Выберите и сохраняйте единые настройки нормализации и сравнения для индексирования и поиска. Выход содержит 768 числовых компонентов; он не содержит сгенерированного ответа. Для этапа повторного ранжирования кандидатов кодируйте фрагменты-кандидаты той же моделью и упорядочивайте их по сходству с запросом. Это остаётся сравнением на основе эмбеддингов, а не заявлением о том, что модель совместно читает каждую пару «запрос — фрагмент» как кросс-энкодер.

#### Английский язык и входы до 512 токенов

Карточка этой конкретной модели ограничивает её английским текстом и указывает, что длинные входы усекаются до максимума в 512 токенов. Поэтому длинное руководство перед индексированием следует разделить на осмысленные разделы. Сохраняйте предупреждение, исключение или уточнение вместе с правилом, которое оно изменяет, когда эти детали нужны для понимания фрагмента.

Для запроса о периодичности обслуживания раздел с интервалом и условиями эксплуатации полезнее фрагмента, содержащего только число. Сохраняйте заголовок или обозначение оборудования, если они устраняют неоднозначность инструкции. Проверяйте длину токенизатором, а не полагайтесь на видимое количество слов.

#### Используйте исходные фрагменты, на которых основана оценка

Поиск возвращает кандидатов из индексированной коллекции. Проверяйте ведущие фрагменты применительно к конкретной задаче и сохраняйте их расположение в источниках при передаче на этап написания ответа RAG. Связанный фрагмент может описывать осмотр, не разрешая замену; это различие должно оставаться видимым в исходных материалах.

GTE-base отличается от GTE-large, создающей векторы размерности 1024, и от более поздних многоязычных версий GTE или версий с расширенным контекстом. Опубликованная идентичность модели определяет английский язык, представление из 768 компонентов и границу в 512 токенов. Используйте этот конкретный профиль с репрезентативными запросами и исходными записями при оценке поисковой коллекции.

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

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

Thenlper /`thenlper/gte-base`

### Начало

Alibaba DAMO Academy GTE-base преобразует английский текст в векторы размерности 768 для поиска и оценки семантического сходства. Эта конкретная модель использует усредняющий пулинг, поддерживает последовательности до 512 токенов и документирует косинусное сравнение с необязательной нормализацией.

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 |
| --- | --- | --- | --- | --- |
| Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения thenlper/gte-base | По умолчанию— |
| Поле`input` | Тип`string\|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— |
| Поле`encoding_format` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения float | По умолчаниюfloat |
| Поле`dimensions` | Тип`integer` | ТребованиеНе поддерживается | Значения и ограничения Минимум: 1 | По умолчанию— |
| Поле`user` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— |
| Поле`session_id` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— |
| Поле`trace` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— |
| Поле`provider` | Тип`object` | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется | По умолчанию— |

Сочетания входных материалов

**text\_to\_embedding**

Параметры и жизненный цикл метода

| Параметр | Контракт |
| --- | --- |
| Параметр`content_type` | Контрактapplication/json |
| Параметр`required` | Контрактmodel, input |
| Параметр`input_shapes` | Контрактstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Параметр`encoding_format` | Контрактfloat |
| Параметр`dimensions_override` | Контрактfalse |
| Параметр`max_input_budget_units` | Контракт512 |
| Параметр`multimodal_objects` | Контрактfalse |
| Параметр`material_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 →](https://ailoot.ai/docs/ru/billing/reserve/)

### Примеры запросов

#### Ailoot Ultra · Эмбеддинги

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)
```

### 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 |
| --- | --- |
| Поле`object` | Типstring |
| Поле`model` | Типstring |
| Поле`data[].index` | Типinteger |
| Поле`data[].embedding` | Типfinite float\[\] |
| Поле`usage` | 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** [`thenlper/gte-base`](https://ailoot.ai/models/ru/#m=thenlper%2Fgte-base&route=Ultra&caller=thenlper%2Fgte-base&fmt=embeddings)

#### Псевдонимы путей метода

Используйте пути методов, указанные выше.

#### Связанные ID для вызова

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

FAQ · Thenlper: GTE-Base

Какие входные данные и результаты доступны?

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

Какие поля использует запрос?

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

Какие ограничения действуют?

`POST /v1/embeddings` · `thenlper/gte-base`: `input.budget.maximum`: `512` (байты UTF8); `input.min_items`: `1`

Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению.

## Компания и портфель её проектов

Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно.

## Покупайте токены со скидкой.

Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов.

Подписка

Выберите тариф со скидкой для своих регулярных запросов.

Промокод до 50%

Введите код при покупке. Цена пересчитается с учётом действующей акции.

Расходы в истории

Модель, токены и сумма сохраняются для каждого запроса.

[Выбрать подписку](https://ailoot.ai/docs/ru/billing/subscriptions/) · [Посмотреть цены моделей](https://ailoot.ai/models/ru/)

## Подключайте API к продукту, который вы продаёте.

SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию.

Коммерческое приложение

Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса.

Лицензия для реселлера

Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи.

Документы на сайте

Оферта, лицензионный договор и политика обработки данных доступны до подключения.

[Запросить реселлерскую лицензию](mailto:support@ailoot.ai) · [Оферта и лицензионный договор](https://ailoot.ai/legal/offer?lang=ru)

## Ailoot · Компания и портфель её проектов





Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI.





Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно.





Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.