{ "aboutHtml": "

bge-large-en-v1.5 je veľká anglická edícia hustých embeddingov od BAAI. Mapuje text na 1024-rozmerný vektor na vyhľadávanie pasáží a sémantické porovnávanie. Verzia 1.5 je aktualizácia výrobcu zameraná na užitočnejšie rozdelenie podobnosti a lepšie vyhľadávanie bez pokynu. Large zostáva odlišným kontrolným bodom od Base, Small, čínskych edícií a viacjazyčného modelu BGE-M3.

Nastavte vyhľadávanie pasáží

Pri krátkom vyhľadávacom dopyte v dlhších dokumentoch výrobca odporúča pokyn pre dopyt „Represent this sentence for searching relevant passages:“. Pridajte ho na stranu dopytu; pasáže korpusu si ponechávajú vlastný zdrojový text bez tohto pokynu. Pri iných použitiach postačuje priamy text. BAAI dokumentuje vo v1.5 aj vyhľadávanie bez prefixu a odporúča vybrať prípravu, ktorá najlepšie funguje pri skutočnej úlohe.

Praktická zbierka znalostí môže indexovať časti anglického technického manuálu. Otázka, ktoré nastavenie mení formát výstupu, má vrátiť časť vysvetľujúcu toto nastavenie a jeho podmienky. Pri každej pasáži uchovajte nadpis, relevantné vysvetlenie a umiestnenie zdroja. Model poskytuje číselnú reprezentáciu; čitateľ alebo neskorší krok RAG používa vrátený zdrojový text.

Reprezentácia a porovnávanie

Priamy príklad kódovania výrobcu používa konečný skrytý stav prvého tokenu CLS ako agregovaný embedding a potom normalizuje vektor. Porovnanie normalizovaných vektorov pomocou skalárneho súčinu dáva kosínusovú podobnosť. Každú pasáž preto možno pripraviť raz a uložiť na porovnávanie s prichádzajúcimi vektormi dopytov, zatiaľ čo zmenený zdrojový materiál dostane aktualizovanú reprezentáciu.

1024 rozmerov určuje dĺžku výstupného vektora. Líšia sa od 768-rozmernej reprezentácie Base a nezakladajú kompatibilný spoločný priestor s iným kontrolným bodom. Model a konvenciu prípravy uchovajte spolu s uloženým indexom. Zmena edície embeddingov vyžaduje spoločnú kontrolu reprezentácií korpusu a dopytov.

Zmestite zdroj do okna

Zdokumentovaná dĺžka sekvencie je 512 tokenov. Dlhý manuál pripravte ako súdržné časti namiesto jedného nadmerného vstupu. Podmienku alebo výnimku ponechajte pri pravidle, ktoré spresňuje, a pridajte dosť kontextu, aby nájdená časť dávala zmysel aj samostatne. Pridaný pokyn pre dopyt tiež zaberá vstupné tokeny, preto sa okno modelu týka celého pripraveného vstupu.

Užitočná hranica pasáže môže zahŕňať nadpis a odseky odpovedajúce na jednu otázku používateľa. Identifikátor a verziu nadradeného dokumentu uchovajte mimo vektora, aby sa výsledok dal priradiť k správnemu zdroju. Pri porovnávaní používajte skutočné porovnávané texty namiesto ich nahradenia nesúvisiacimi zhrnutiami, ktoré odstránia rozdiel, ktorý potrebujete nájsť.

Interpretujte skóre

Výrobca upozorňuje, že absolútnu podobnosť nemožno považovať za všeobecné pravidlo sémantickej ekvivalencie. Pre vyhľadávanie je rozhodujúce relatívne poradie skóre a prah sa má kalibrovať podľa rozdelenia textov samotnej úlohy. Posúďte kandidátske pasáže pri otázkach so známou odpoveďou aj pri otázkach, ktorých odpoveď chýba. To odhalí, či vrátená časť poskytuje požadované informácie, namiesto samotnej podobnosti s témou.

bge-large-en-v1.5 poskytuje anglické husté vektory. Samostatný model na opätovné zoradenie môže spresniť poradie kandidátov a samostatný jazykový model môže zostaviť odpoveď z vybraných pasáží. Užitočným výstupom tejto edície je vyhľadateľná reprezentácia prepojená so zdrojovým textom, pri ktorej zostáva zachovaný presný výber modelu Large v1.5 a príprava vstupu.

", "aboutText": "bge-large-en-v1.5 je veľká anglická edícia hustých embeddingov od BAAI. Mapuje text na 1024-rozmerný vektor na vyhľadávanie pasáží a sémantické porovnávanie. Verzia 1.5 je aktualizácia výrobcu zameraná na užitočnejšie rozdelenie podobnosti a lepšie vyhľadávanie bez pokynu. Large zostáva odlišným kontrolným bodom od Base, Small, čínskych edícií a viacjazyčného modelu BGE-M3.\n\n### Nastavte vyhľadávanie pasáží\n\nPri krátkom vyhľadávacom dopyte v dlhších dokumentoch výrobca odporúča pokyn pre dopyt „Represent this sentence for searching relevant passages:“. Pridajte ho na stranu dopytu; pasáže korpusu si ponechávajú vlastný zdrojový text bez tohto pokynu. Pri iných použitiach postačuje priamy text. BAAI dokumentuje vo v1.5 aj vyhľadávanie bez prefixu a odporúča vybrať prípravu, ktorá najlepšie funguje pri skutočnej úlohe.\n\nPraktická zbierka znalostí môže indexovať časti anglického technického manuálu. Otázka, ktoré nastavenie mení formát výstupu, má vrátiť časť vysvetľujúcu toto nastavenie a jeho podmienky. Pri každej pasáži uchovajte nadpis, relevantné vysvetlenie a umiestnenie zdroja. Model poskytuje číselnú reprezentáciu; čitateľ alebo neskorší krok RAG používa vrátený zdrojový text.\n\n### Reprezentácia a porovnávanie\n\nPriamy príklad kódovania výrobcu používa konečný skrytý stav prvého tokenu CLS ako agregovaný embedding a potom normalizuje vektor. Porovnanie normalizovaných vektorov pomocou skalárneho súčinu dáva kosínusovú podobnosť. Každú pasáž preto možno pripraviť raz a uložiť na porovnávanie s prichádzajúcimi vektormi dopytov, zatiaľ čo zmenený zdrojový materiál dostane aktualizovanú reprezentáciu.\n\n1024 rozmerov určuje dĺžku výstupného vektora. Líšia sa od 768-rozmernej reprezentácie Base a nezakladajú kompatibilný spoločný priestor s iným kontrolným bodom. Model a konvenciu prípravy uchovajte spolu s uloženým indexom. Zmena edície embeddingov vyžaduje spoločnú kontrolu reprezentácií korpusu a dopytov.\n\n### Zmestite zdroj do okna\n\nZdokumentovaná dĺžka sekvencie je 512 tokenov. Dlhý manuál pripravte ako súdržné časti namiesto jedného nadmerného vstupu. Podmienku alebo výnimku ponechajte pri pravidle, ktoré spresňuje, a pridajte dosť kontextu, aby nájdená časť dávala zmysel aj samostatne. Pridaný pokyn pre dopyt tiež zaberá vstupné tokeny, preto sa okno modelu týka celého pripraveného vstupu.\n\nUžitočná hranica pasáže môže zahŕňať nadpis a odseky odpovedajúce na jednu otázku používateľa. Identifikátor a verziu nadradeného dokumentu uchovajte mimo vektora, aby sa výsledok dal priradiť k správnemu zdroju. Pri porovnávaní používajte skutočné porovnávané texty namiesto ich nahradenia nesúvisiacimi zhrnutiami, ktoré odstránia rozdiel, ktorý potrebujete nájsť.\n\n### Interpretujte skóre\n\nVýrobca upozorňuje, že absolútnu podobnosť nemožno považovať za všeobecné pravidlo sémantickej ekvivalencie. Pre vyhľadávanie je rozhodujúce relatívne poradie skóre a prah sa má kalibrovať podľa rozdelenia textov samotnej úlohy. Posúďte kandidátske pasáže pri otázkach so známou odpoveďou aj pri otázkach, ktorých odpoveď chýba. To odhalí, či vrátená časť poskytuje požadované informácie, namiesto samotnej podobnosti s témou.\n\nbge-large-en-v1.5 poskytuje anglické husté vektory. Samostatný model na opätovné zoradenie môže spresniť poradie kandidátov a samostatný jazykový model môže zostaviť odpoveď z vybraných pasáží. Užitočným výstupom tejto edície je vyhľadateľná reprezentácia prepojená so zdrojovým textom, pri ktorej zostáva zachovaný presný výber modelu Large v1.5 a príprava vstupu.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "3d520e11d53411c871869c3072690d214eb6683d26b5e8676eab0f48409a5059", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sk", "methods": [ { "html": "
•

BAAI: bge-large-en-v1.5

BAAI /baai/bge-large-en-v1.5

Úvod

BAAI bge-large-en-v1.5 vytvára 1024-rozmerné vektory anglického textu na vyhľadávanie a sémantické porovnávanie. Príprava v1.5 podporuje voliteľnú inštrukciu pre dopyt pri zdokumentovanej dĺžke sekvencie 512 tokenov.

Povolené vstupy
Text · token_ids
Výsledky
embedding
O modeli

Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.

bge-large-en-v1.5 je veľká anglická edícia hustých embeddingov od BAAI. Mapuje text na 1024-rozmerný vektor na vyhľadávanie pasáží a sémantické porovnávanie. Verzia 1.5 je aktualizácia výrobcu zameraná na užitočnejšie rozdelenie podobnosti a lepšie vyhľadávanie bez pokynu. Large zostáva odlišným kontrolným bodom od Base, Small, čínskych edícií a viacjazyčného modelu BGE-M3.

Nastavte vyhľadávanie pasáží

Pri krátkom vyhľadávacom dopyte v dlhších dokumentoch výrobca odporúča pokyn pre dopyt „Represent this sentence for searching relevant passages:“. Pridajte ho na stranu dopytu; pasáže korpusu si ponechávajú vlastný zdrojový text bez tohto pokynu. Pri iných použitiach postačuje priamy text. BAAI dokumentuje vo v1.5 aj vyhľadávanie bez prefixu a odporúča vybrať prípravu, ktorá najlepšie funguje pri skutočnej úlohe.

Praktická zbierka znalostí môže indexovať časti anglického technického manuálu. Otázka, ktoré nastavenie mení formát výstupu, má vrátiť časť vysvetľujúcu toto nastavenie a jeho podmienky. Pri každej pasáži uchovajte nadpis, relevantné vysvetlenie a umiestnenie zdroja. Model poskytuje číselnú reprezentáciu; čitateľ alebo neskorší krok RAG používa vrátený zdrojový text.

Reprezentácia a porovnávanie

Priamy príklad kódovania výrobcu používa konečný skrytý stav prvého tokenu CLS ako agregovaný embedding a potom normalizuje vektor. Porovnanie normalizovaných vektorov pomocou skalárneho súčinu dáva kosínusovú podobnosť. Každú pasáž preto možno pripraviť raz a uložiť na porovnávanie s prichádzajúcimi vektormi dopytov, zatiaľ čo zmenený zdrojový materiál dostane aktualizovanú reprezentáciu.

1024 rozmerov určuje dĺžku výstupného vektora. Líšia sa od 768-rozmernej reprezentácie Base a nezakladajú kompatibilný spoločný priestor s iným kontrolným bodom. Model a konvenciu prípravy uchovajte spolu s uloženým indexom. Zmena edície embeddingov vyžaduje spoločnú kontrolu reprezentácií korpusu a dopytov.

Zmestite zdroj do okna

Zdokumentovaná dĺžka sekvencie je 512 tokenov. Dlhý manuál pripravte ako súdržné časti namiesto jedného nadmerného vstupu. Podmienku alebo výnimku ponechajte pri pravidle, ktoré spresňuje, a pridajte dosť kontextu, aby nájdená časť dávala zmysel aj samostatne. Pridaný pokyn pre dopyt tiež zaberá vstupné tokeny, preto sa okno modelu týka celého pripraveného vstupu.

Užitočná hranica pasáže môže zahŕňať nadpis a odseky odpovedajúce na jednu otázku používateľa. Identifikátor a verziu nadradeného dokumentu uchovajte mimo vektora, aby sa výsledok dal priradiť k správnemu zdroju. Pri porovnávaní používajte skutočné porovnávané texty namiesto ich nahradenia nesúvisiacimi zhrnutiami, ktoré odstránia rozdiel, ktorý potrebujete nájsť.

Interpretujte skóre

Výrobca upozorňuje, že absolútnu podobnosť nemožno považovať za všeobecné pravidlo sémantickej ekvivalencie. Pre vyhľadávanie je rozhodujúce relatívne poradie skóre a prah sa má kalibrovať podľa rozdelenia textov samotnej úlohy. Posúďte kandidátske pasáže pri otázkach so známou odpoveďou aj pri otázkach, ktorých odpoveď chýba. To odhalí, či vrátená časť poskytuje požadované informácie, namiesto samotnej podobnosti s témou.

bge-large-en-v1.5 poskytuje anglické husté vektory. Samostatný model na opätovné zoradenie môže spresniť poradie kandidátov a samostatný jazykový model môže zostaviť odpoveď z vybraných pasáží. Užitočným výstupom tejto edície je vyhľadateľná reprezentácia prepojená so zdrojovým textom, pri ktorej zostáva zachovaný presný výber modelu Large v1.5 a príprava vstupu.

Dostupné v Ailoot · vstupy a metódy

Ailoot Ultra · Embeddingy POST /v1/embeddings
Vstup
text, token_ids
Výstup
embedding
Výstupný formát
json
PoleTypPožiadavkaHodnoty a limityPredvolené
PolemodelTypstringPožiadavkaPovinnéHodnoty a limity
baai/bge-large-en-v1.5
Predvolené—
PoleinputTypstring|string[]|integer[]|integer[][]PožiadavkaPovinnéHodnoty a limity
Minimálny počet položiek: 1
Podmienky: Neprázdna homogénna dávka. ID tokenov sú nezáporné celé čísla.
Vstupný rozpočet: Maximum: 512 · Textová jednotka: bajty UTF8 · Jednotka tokenov: prvky poľa tokenov
Predvolené—
Poleencoding_formatTypstringPožiadavkaVoliteľnéHodnoty a limity
float
Predvolenéfloat
PoledimensionsTypintegerPožiadavkaNepodporovanéHodnoty a limity
Minimum: 1
Predvolené—
PoleuserTypjson_valuePožiadavkaVoliteľnéHodnoty a limity
Podmienky: Zdroj povoľuje toto pole metadát vo formáte JSON; presný význam na strane dodávateľa sa líši podľa modelu.
Predvolené—
Polesession_idTypjson_valuePožiadavkaVoliteľnéHodnoty a limity
Podmienky: Zdroj povoľuje toto pole metadát vo formáte JSON; presný význam na strane dodávateľa sa líši podľa modelu.
Predvolené—
PoletraceTypjson_valuePožiadavkaVoliteľnéHodnoty a limity
Podmienky: Zdroj povoľuje toto pole metadát vo formáte JSON; presný význam na strane dodávateľa sa líši podľa modelu.
Predvolené—
PoleproviderTypobjectPožiadavkaVoliteľnéHodnoty a limity
Podmienky: provider.options sa odmieta
Predvolené—
Kombinácie vstupných podkladov

text_to_embedding

Parametre a životný cyklus metódy
ParameterŠpecifikácia
Parametercontent_typeŠpecifikáciaapplication/json
ParameterrequiredŠpecifikáciamodel, input
Parameterinput_shapesŠpecifikáciastring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parameterencoding_formatŠpecifikáciafloat
Parameterdimensions_overrideŠpecifikáciafalse
Parametermax_input_budget_unitsŠpecifikácia512
Parametermultimodal_objectsŠpecifikáciafalse
Parametermaterial_typesŠpecifikáciatext, token_ids

Životný cyklus: synchronous_json

Uchovajte každý index a rozmer vektora.

Názov multimodálneho modelu neznamená, že na tejto konkrétnej trase možno použiť objekty obrázkov.

Cenník

Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.

Rýchly režim
Neuvedené Keď je zvolený rýchly režim
Režim Flex
Neuvedené Keď je zvolený režim flex
Maximálna úroveň uvažovania
Neuvedené Keď sa pri maximálnej úrovni uvažovania používa predvolená úprava (default)

Sadzby Ailoot

Ceny podľa konfigurácie

KonfiguráciaSadzobníkPoplatok
KonfiguráciaZákladné sadzby za tokenySadzobníkZákladná sadzbaPoplatok
Vstup · Vstupné tokeny $0.00002 / 1K tokenov
Výstup · Výstupné tokeny $0 / 1K tokenov
Vstup · Čítanie cache — / 1K tokenov
Vstup · Zápis do cache — / 1K tokenov
Vstup · Zápis do cache, 1 hod — / 1K tokenov

Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →

Príklady požiadaviek

Ailoot Ultra · Embeddingy

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "baai/bge-large-en-v1.5", "input": ["First document", "Second document"]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\n

Prijať a uložiť výsledky

Ailoot Ultra · Embeddingy

json

Uchovať všetky dokončené výsledky

Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.

Uchovajte každý vektor spolu s jeho indexom. Počet vektorov sa musí rovnať počtu vstupov; rozmery musia byť konzistentné.

Ak treba overiť pôvodnú odpoveď

Nezavádza sa žiadny koncový bod pre úlohy tvorby embeddingov.

Polia odpovede
PoleTyp
PoleobjectTypstring
PolemodelTypstring
Poledata[].indexTypinteger
Poledata[].embeddingTypfinite float[]
PoleusageTypobject
Chyby a ďalšie kroky
OdpoveďPodmienkaĎalší krok
Odpoveď400 · invalid_request_errorPodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametraĎalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia.

Aliasy

Aliasy modelov

Ailoot Ultra baai/bge-large-en-v1.5

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

baai/bge-large-en-v1.5

", "method_identity": { "effective_request_model_id": "baai/bge-large-en-v1.5", "fmt": "embeddings", "http": "POST", "path": "/v1/embeddings", "request_model_id": "baai/bge-large-en-v1.5", "route_label": "Ultra" }, "method_key": "Ultra|embeddings|/v1/embeddings|baai%2Fbge-large-en-v1.5", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.", "errors": [ { "code": null, "condition": "Neplatné povinné polia, reprezentácia materiálu alebo hodnota parametra", "http_status": 400, "recovery": "Pred novou požiadavkou na vytvorenie opravte uvedené polia.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "Nezavádza sa žiadny koncový bod pre úlohy tvorby embeddingov." }, "material_combinations": [ { "alternatives": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "Uchovajte každý vektor spolu s jeho indexom. Počet vektorov sa musí rovnať počtu vstupov; rozmery musia byť konzistentné.", "default_dimensions": null, "family": "embedding", "fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "baai/bge-large-en-v1.5" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "budget": { "maximum": 512, "text_unit": "bajty UTF8", "token_unit": "prvky poľa tokenov" }, "conditions": "Neprázdna homogénna dávka. ID tokenov sú nezáporné celé čísla.", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]|integer[]|integer[][]" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "unsupported", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "pass_through_metadata", "conditions": "Zdroj povoľuje toto pole metadát vo formáte JSON; presný význam na strane dodávateľa sa líši podľa modelu.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "Zdroj povoľuje toto pole metadát vo formáte JSON; presný význam na strane dodávateľa sa líši podľa modelu.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "session_id", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "Zdroj povoľuje toto pole metadát vo formáte JSON; presný význam na strane dodávateľa sa líši podľa modelu.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "json_value" }, { "availability": "source_interface", "conditions": "provider.options sa odmieta", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "mixed input kinds", "empty input", "image/audio/file objects", "encoding_format=base64", "dimensions override" ] }, "hints": [ "Uchovajte každý index a rozmer vektora.", "Názov multimodálneho modelu neznamená, že na tejto konkrétnej trase možno použiť objekty obrázkov." ], "input": { "content_type": "application/json", "dimensions_override": false, "encoding_format": [ "float" ], "input_shapes": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "material_types": [ "text", "token_ids" ], "max_input_budget_units": 512, "multimodal_objects": false, "required": [ "model", "input" ] }, "lifecycle": { "mode": "synchronous_json", "unknown": "no embedding job endpoint inferred" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/embeddings" }, "method_aliases": [], "operation_modes": [ "text_to_embedding" ], "output": { "default_dimensions": null, "family": "embedding", "format": "json", "http_success": 200, "vectors": "one dense float vector per input; indices/model/usage validated" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Základné sadzby za tokeny", "units": [ { "amount": "0.00002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"baai/bge-large-en-v1.5\", \"input\": [\"First document\", \"Second document\"]}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.embeddings.create(model='baai/bge-large-en-v1.5',input=[\"First document\",\"Second document\"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n", "label": "Python SDK · all vectors", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "hints": [ "Keep every vector index and dimension.", "Multimodal model name does not admit image objects on this exact path." ], "http": "POST", "in": 0.02, "input": [ "text", "token_ids" ], "label": "Эмбеддинги", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "baai/bge-large-en-v1.5", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "baai/bge-large-en-v1.5", "nativeProvenance": { "input_facts_canonical_sha256": "ff77fe91a2673049f33ea4334e3181e7965bcddb2d1f30a9e502396be88a3355", "input_html_sha256": "ecd26bd956e273e809d0f1c0f66120910350a72330320e1896372ab60b250c1d", "private_audit_sha256": "051153f9765f156fead2650f3330edcbcdfb534f76978a2b7cec3487b62609d0", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/sk/baai-bge-large-en-v1-5/", "description": "BAAI bge-large-en-v1.5 vytvára 1024-rozmerné vektory anglického textu na vyhľadávanie a sémantické porovnávanie. Príprava v1.5 podporuje voliteľnú inštrukciu pre dopyt pri zdokumentovanej dĺžke sekvencie 512 tokenov.", "locale": "sk", "md_url": "https://ailoot.ai/models/sk/baai-bge-large-en-v1-5/index.md", "title": "BAAI: bge-large-en-v1.5 — Ailoot", "url": "https://ailoot.ai/models/sk/baai-bge-large-en-v1-5/" }, "rawModel": { "about": "bge-large-en-v1.5 je veľká anglická edícia hustých embeddingov od BAAI. Mapuje text na 1024-rozmerný vektor na vyhľadávanie pasáží a sémantické porovnávanie. Verzia 1.5 je aktualizácia výrobcu zameraná na užitočnejšie rozdelenie podobnosti a lepšie vyhľadávanie bez pokynu. Large zostáva odlišným kontrolným bodom od Base, Small, čínskych edícií a viacjazyčného modelu BGE-M3.\n\n### Nastavte vyhľadávanie pasáží\n\nPri krátkom vyhľadávacom dopyte v dlhších dokumentoch výrobca odporúča pokyn pre dopyt „Represent this sentence for searching relevant passages:“. Pridajte ho na stranu dopytu; pasáže korpusu si ponechávajú vlastný zdrojový text bez tohto pokynu. Pri iných použitiach postačuje priamy text. BAAI dokumentuje vo v1.5 aj vyhľadávanie bez prefixu a odporúča vybrať prípravu, ktorá najlepšie funguje pri skutočnej úlohe.\n\nPraktická zbierka znalostí môže indexovať časti anglického technického manuálu. Otázka, ktoré nastavenie mení formát výstupu, má vrátiť časť vysvetľujúcu toto nastavenie a jeho podmienky. Pri každej pasáži uchovajte nadpis, relevantné vysvetlenie a umiestnenie zdroja. Model poskytuje číselnú reprezentáciu; čitateľ alebo neskorší krok RAG používa vrátený zdrojový text.\n\n### Reprezentácia a porovnávanie\n\nPriamy príklad kódovania výrobcu používa konečný skrytý stav prvého tokenu CLS ako agregovaný embedding a potom normalizuje vektor. Porovnanie normalizovaných vektorov pomocou skalárneho súčinu dáva kosínusovú podobnosť. Každú pasáž preto možno pripraviť raz a uložiť na porovnávanie s prichádzajúcimi vektormi dopytov, zatiaľ čo zmenený zdrojový materiál dostane aktualizovanú reprezentáciu.\n\n1024 rozmerov určuje dĺžku výstupného vektora. Líšia sa od 768-rozmernej reprezentácie Base a nezakladajú kompatibilný spoločný priestor s iným kontrolným bodom. Model a konvenciu prípravy uchovajte spolu s uloženým indexom. Zmena edície embeddingov vyžaduje spoločnú kontrolu reprezentácií korpusu a dopytov.\n\n### Zmestite zdroj do okna\n\nZdokumentovaná dĺžka sekvencie je 512 tokenov. Dlhý manuál pripravte ako súdržné časti namiesto jedného nadmerného vstupu. Podmienku alebo výnimku ponechajte pri pravidle, ktoré spresňuje, a pridajte dosť kontextu, aby nájdená časť dávala zmysel aj samostatne. Pridaný pokyn pre dopyt tiež zaberá vstupné tokeny, preto sa okno modelu týka celého pripraveného vstupu.\n\nUžitočná hranica pasáže môže zahŕňať nadpis a odseky odpovedajúce na jednu otázku používateľa. Identifikátor a verziu nadradeného dokumentu uchovajte mimo vektora, aby sa výsledok dal priradiť k správnemu zdroju. Pri porovnávaní používajte skutočné porovnávané texty namiesto ich nahradenia nesúvisiacimi zhrnutiami, ktoré odstránia rozdiel, ktorý potrebujete nájsť.\n\n### Interpretujte skóre\n\nVýrobca upozorňuje, že absolútnu podobnosť nemožno považovať za všeobecné pravidlo sémantickej ekvivalencie. Pre vyhľadávanie je rozhodujúce relatívne poradie skóre a prah sa má kalibrovať podľa rozdelenia textov samotnej úlohy. Posúďte kandidátske pasáže pri otázkach so známou odpoveďou aj pri otázkach, ktorých odpoveď chýba. To odhalí, či vrátená časť poskytuje požadované informácie, namiesto samotnej podobnosti s témou.\n\nbge-large-en-v1.5 poskytuje anglické husté vektory. Samostatný model na opätovné zoradenie môže spresniť poradie kandidátov a samostatný jazykový model môže zostaviť odpoveď z vybraných pasáží. Užitočným výstupom tejto edície je vyhľadateľná reprezentácia prepojená so zdrojovým textom, pri ktorej zostáva zachovaný presný výber modelu Large v1.5 a príprava vstupu.", "alias_of": null, "aliases": [], "author": "BAAI", "available": null, "canonical_model": "baai/bge-large-en-v1.5", "capabilities": { "context_length": 512, "manufacturer_input": [ "text" ], "manufacturer_output": [ "embeddings" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.00002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Úplný cenník konfigurácie nájdete v podrobnostiach." } ], "ctx": null, "entity_type": "model", "formats": [ "embeddings" ], "id": "baai/bge-large-en-v1.5", "input": [ "text", "token_ids" ], "kind": "embedding", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.", "errors": [ { "code": null, "condition": "Neplatné povinné polia, reprezentácia materiálu alebo hodnota parametra", "http_status": 400, "recovery": "Pred novou požiadavkou na vytvorenie opravte uvedené polia.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "Nezavádza sa žiadny koncový bod pre úlohy tvorby embeddingov." }, "material_combinations": [ { "alternatives": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "Uchovajte každý vektor spolu s jeho indexom. Počet vektorov sa musí rovnať počtu vstupov; rozmery musia byť konzistentné.", "default_dimensions": null, "family": "embedding", "fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "baai/bge-large-en-v1.5" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "budget": { "maximum": 512, "text_unit": "bajty UTF8", "token_unit": "prvky poľa tokenov" }, "conditions": "Neprázdna homogénna dávka. ID tokenov sú nezáporné celé čísla.", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]|integer[]|integer[][]" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "unsupported", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "pass_through_metadata", "conditions": "Zdroj povoľuje toto pole metadát vo formáte JSON; presný význam na strane dodávateľa sa líši podľa modelu.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "Zdroj povoľuje toto pole metadát vo formáte JSON; presný význam na strane dodávateľa sa líši podľa modelu.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "session_id", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "Zdroj povoľuje toto pole metadát vo formáte JSON; presný význam na strane dodávateľa sa líši podľa modelu.", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "json_value" }, { "availability": "source_interface", "conditions": "provider.options sa odmieta", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "mixed input kinds", "empty input", "image/audio/file objects", "encoding_format=base64", "dimensions override" ] }, "hints": [ "Uchovajte každý index a rozmer vektora.", "Názov multimodálneho modelu neznamená, že na tejto konkrétnej trase možno použiť objekty obrázkov." ], "input": { "content_type": "application/json", "dimensions_override": false, "encoding_format": [ "float" ], "input_shapes": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "material_types": [ "text", "token_ids" ], "max_input_budget_units": 512, "multimodal_objects": false, "required": [ "model", "input" ] }, "lifecycle": { "mode": "synchronous_json", "unknown": "no embedding job endpoint inferred" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/embeddings" }, "method_aliases": [], "operation_modes": [ "text_to_embedding" ], "output": { "default_dimensions": null, "family": "embedding", "format": "json", "http_success": 200, "vectors": "one dense float vector per input; indices/model/usage validated" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Základné sadzby za tokeny", "units": [ { "amount": "0.00002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"baai/bge-large-en-v1.5\", \"input\": [\"First document\", \"Second document\"]}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.embeddings.create(model='baai/bge-large-en-v1.5',input=[\"First document\",\"Second document\"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n", "label": "Python SDK · all vectors", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "hints": [ "Keep every vector index and dimension.", "Multimodal model name does not admit image objects on this exact path." ], "http": "POST", "in": 0.02, "input": [ "text", "token_ids" ], "label": "Эмбеддинги", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "baai/bge-large-en-v1.5", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "baai/bge-large-en-v1.5", "request_model_id": "baai/bge-large-en-v1.5", "route_label": "Ultra" } ], "name": "BAAI: bge-large-en-v1.5", "price": { "in": 0.02, "in_label": null, "out": 0, "out_label": null, "scope_label": "Token rates", "sort_in": 0.02, "sort_out": 0, "varies": false }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Эмбеддинги · Base token rates", "units": [ { "amount": "0.00002000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000002", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "public_id": "baai/bge-large-en-v1.5", "short": "BAAI bge-large-en-v1.5 vytvára 1024-rozmerné vektory anglického textu na vyhľadávanie a sémantické porovnávanie. Príprava v1.5 podporuje voliteľnú inštrukciu pre dopyt pri zdokumentovanej dĺžke sekvencie 512 tokenov." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "BAAI bge-large-en-v1.5 vytvára 1024-rozmerné vektory anglického textu na vyhľadávanie a sémantické porovnávanie. Príprava v1.5 podporuje voliteľnú inštrukciu pre dopyt pri zdokumentovanej dĺžke sekvencie 512 tokenov.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "428fce216371dfcff84a55ee5d5e1e59bb2e1d5e85b6d3d635c2cfa855c38a62", "renderer_sha256": "94893ba0fa4d7b7d32370787b705f436a4c2569f84ec7b33063549adc74b07e0" }, "sourceRevision": "742460a97bb4146a577e25a1c6612b27fb92eca3a8bb9c6c5a4a22142c42f98d" }