BAAI: bge-large-en-v1.5
BAAI bge-large-en-v1.5 qidiruv va semantik taqqoslash uchun 1024 o‘lchamli inglizcha matn vektorlarini hosil qiladi. Uning v1.5 tayyorlash usuli ixtiyoriy so‘rov ko‘rsatmasini qo‘llaydi; hujjatlashtirilgan ketma-ketlik uzunligi 512 token.
Model haqida
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
bge-large-en-v1.5 — BAAI’ning katta hajmli inglizcha zich embedding nashri. U parcha qidiruvi va semantik solishtirish uchun matnni 1024 oʻlchamli vektorga aylantiradi. 1.5 versiyasi oʻxshashlik taqsimotini foydaliroq qilish va koʻrsatmasiz qidiruvni yaxshilashga qaratilgan ishlab chiqaruvchi yangilanishidir. Large Base, Small, xitoycha nashrlar va koʻp tilli BGE-M3 modelidan alohida nazorat nuqtasi boʻlib qoladi.
Parchalar qidiruvini sozlang
Uzunroq hujjatlardan qisqa qidiruv soʻrovi uchun ishlab chiqaruvchi “Represent this sentence for searching relevant passages:” koʻrsatmasini tavsiya qiladi. Uni soʻrov tomoniga qoʻshing; korpus parchalari esa shu koʻrsatmasiz oʻz manba matnini saqlaydi. Boshqa qoʻllanishlarda bevosita matn yetarli. BAAI v1.5’da prefikssiz qidiruvni ham hujjatlashtiradi va haqiqiy vazifada eng yaxshi ishlaydigan tayyorlash usulini tanlashni tavsiya qiladi.
Amaliy bilim toʻplami inglizcha texnik qoʻllanma boʻlimlarini indekslashi mumkin. Qaysi sozlama chiqish formatini oʻzgartirishi haqidagi savol shu sozlama va shartlarini tushuntiradigan boʻlimni qaytarishi kerak. Har bir parcha bilan sarlavha, tegishli tushuntirish va manba joyini saqlang. Model sonli ifodani beradi; oʻquvchi yoki keyingi RAG bosqichi esa qaytarilgan manba matnidan foydalanadi.
Ifodalash va moslik
Ishlab chiqaruvchining bevosita kodlash misoli birinchi CLS tokenining oxirgi yashirin holatini birlashtirilgan embedding sifatida ishlatadi va keyin vektorni normallashtiradi. Normallashtirilgan vektorlarni skalyar koʻpaytma bilan solishtirish kosinus oʻxshashligini beradi. Shu sabab har bir parchani bir marta tayyorlab, kiruvchi soʻrov vektorlari bilan solishtirish uchun saqlash mumkin; oʻzgargan manba materiali esa yangilangan ifodani oladi.
1024 oʻlcham chiqish vektori uzunligini belgilaydi. U 768 oʻlchamli Base ifodasidan farq qiladi va boshqa nazorat nuqtasi bilan mos umumiy fazo borligini tasdiqlamaydi. Model va tayyorlash qoidasini saqlangan indeks bilan bogʻlab qoʻying. Embedding nashri oʻzgarsa, korpus va soʻrov ifodalarini birgalikda tekshirish kerak.
Manbani oynaga sigʻdiring
Hujjatlashtirilgan ketma-ketlik uzunligi 512 token. Uzun qoʻllanmani bitta haddan tashqari katta kirish oʻrniga yaxlit boʻlimlarga ajrating. Shart yoki istisnoni oʻzi tegishli qoidaning yonida saqlang va olingan boʻlim mustaqil maʼno berishi uchun yetarli kontekstni qoʻshing. Qoʻshilgan soʻrov koʻrsatmasi ham kirish tokenlarini egallaydi; shu sabab model oynasi butun tayyorlangan kirishga tegishli.
Foydali parcha chegarasi sarlavha va bitta foydalanuvchi savoliga javob beradigan paragraflarni qamrab olishi mumkin. Natija toʻgʻri manbaga bogʻlanishi uchun asosiy hujjat identifikatori va versiyasini vektordan tashqarida saqlang. Solishtirish vazifasida topilishi kerak boʻlgan farqni yoʻqotadigan aloqasiz xulosalar bilan almashtirish oʻrniga haqiqiy solishtiriladigan matnlardan foydalaning.
Bahoni talqin qiling
Ishlab chiqaruvchi mutlaq oʻxshashlikni semantik tenglikning umumiy qoidasi deb qabul qilmaslikdan ogohlantiradi. Qidiruvda baholarning nisbiy tartibi asosiy oʻrinda; chegaraviy qiymatni vazifaning oʻz matn taqsimoti boʻyicha moslashtirish kerak. Javobi maʼlum savollar va javobi mavjud boʻlmagan savollar uchun nomzod parchalarni tekshiring. Bu qaytarilgan boʻlim faqat mavzuga oʻxshaydimi yoki kerakli maʼlumotni beradimi — aniqlashga yordam beradi.
bge-large-en-v1.5 inglizcha zich vektorlarni beradi. Alohida reranker nomzodlar tartibini aniqlashtirishi, alohida til modeli esa tanlangan parchalardan javob tuzishi mumkin. Bu nashrning foydali chiqishi — manba matniga bogʻlangan qidiriladigan ifoda; aynan Large v1.5 model tanlovi va kirishni tayyorlash usuli saqlanadi.
Ailoot Ultra · Embeddinglar POST /v1/embeddings baai/bge-large-en-v1.5
baai/bge-large-en-v1.5Boshlash
BAAI bge-large-en-v1.5 qidiruv va semantik taqqoslash uchun 1024 o‘lchamli inglizcha matn vektorlarini hosil qiladi. Uning v1.5 tayyorlash usuli ixtiyoriy so‘rov ko‘rsatmasini qo‘llaydi; hujjatlashtirilgan ketma-ketlik uzunligi 512 token.
- Qabul qilinadigan kirish ma’lumotlari
- Matn · token_ids
- Natijalar
- embedding
Ailoot da mavjud · kirish ma’lumotlari va usullar
Ailoot Ultra · Embeddinglar POST /v1/embeddings
- Kirish
text,token_ids- Chiqish
embedding- Chiqish formati
- json
| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar baai/bge-large-en-v1.5 | Standart— |
Maydoninput | Turstring|string[]|integer[]|integer[][] | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 Shartlar: Bo‘sh bo‘lmagan, bir xil turdagi elementlardan iborat paket. Token ID lari manfiy bo‘lmagan butun sonlardir. Kirish budjeti: Eng ko‘p: 512 · Matn birligi: UTF8 baytlari · Token birligi: Tokenlar massivi elementlari | Standart— |
Maydonencoding_format | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar float | Standartfloat |
Maydondimensions | Turinteger | TalabQo‘llab-quvvatlanmaydi | Qiymatlar va cheklovlar Eng kam: 1 | Standart— |
Maydonuser | Turjson_value | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq. | Standart— |
Maydonsession_id | Turjson_value | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq. | Standart— |
Maydontrace | Turjson_value | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq. | Standart— |
Maydonprovider | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: provider.options rad etildi | Standart— |
Kirish materiallari birikmalari
text_to_embedding
Usul parametrlari va hayot sikli
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, input |
Parametrinput_shapes | Parametr talablaristring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parametrencoding_format | Parametr talablarifloat |
Parametrdimensions_override | Parametr talablarifalse |
Parametrmax_input_budget_units | Parametr talablari512 |
Parametrmultimodal_objects | Parametr talablarifalse |
Parametrmaterial_types | Parametr talablaritext, token_ids |
Hayot sikli: synchronous_json
Har bir vektorning indeksi va o‘lchamini saqlang.
Model nomida multimodal deyilgani aynan shu yo‘nalishda rasm obyektlariga ruxsat borligini anglatmaydi.
Tariflar
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
- Tezkor rejim
- Ko‘rsatilmagan Tezkor rejim tanlanganda
- Flex rejimi
- Ko‘rsatilmagan flex rejimi tanlanganda
- Maksimal fikrlash darajasi
- Ko‘rsatilmagan Maksimal fikrlash darajasi uchun standart (default) tuzatish qo‘llanganda
Ailoot tariflari
Sozlamalar bo‘yicha narxlar
| Sozlama | Tariflar jadvali | To‘lov |
|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | To‘lov Kirish · Kirish tokenlari $0.00002 / 1K token Chiqish · Chiqish tokenlari $0 / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
So‘rov namunalari
Ailoot Ultra · Embeddinglar
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "baai/bge-large-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-large-en-v1.5',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
Natijalarni olish va saqlash
Ailoot Ultra · Embeddinglar
json
Barcha tayyor natijalarni saqlash
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Har bir vektorni indeksi bilan saqlang. Vektorlar soni kirish elementlari soniga teng bo‘lishi va o‘lchamlar bir xil bo‘lishi kerak.
Asl javobni tekshirish kerak bo‘lsa
Embedding vazifalari uchun endpoint qo‘shilmaydi.
Javob maydonlari
| Maydon | Tur |
|---|---|
Maydonobject | Turstring |
Maydonmodel | Turstring |
Maydondata[].index | Turinteger |
Maydondata[].embedding | Turfinite float[] |
Maydonusage | Turobject |
Xatolar va keyingi qadamlar
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Taxalluslar
Model taxalluslari
Ailoot Ultra baai/bge-large-en-v1.5
Usul yo‘llari taxalluslari
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Chaqirish uchun tegishli ID lar
FAQ · BAAI: bge-large-en-v1.5
- Qanday kirish ma’lumotlari va natijalar mavjud?
POST /v1/embeddings·baai/bge-large-en-v1.5:text,token_ids→embedding- So‘rov qaysi maydonlardan foydalanadi?
POST /v1/embeddings·baai/bge-large-en-v1.5:model,input,encoding_format,provider- Qanday cheklovlar amal qiladi?
POST /v1/embeddings·baai/bge-large-en-v1.5:input.budget.maximum:512(UTF8 baytlari);input.min_items:1