GTE Base (768‑өлшемді эмбеддингтер)

нейрожелі

GTE Base ағылшын сөйлемдері мен абзацтарын 768‑өлшемді тығыз векторлық кеңістікке кодтайды. Модель мәтіндік ұқсастық, семантикалық іздеу және кластерлеу үшін оңтайландырылған, ықшам және салыстырмалы эмбеддингтерді қамтамасыз етеді. VPN-сіз жылдам қосылу және жұмыс істеу үшін BotHub арқылы қолжетімді.

Басты бет

/

Модельдер

/

Embedding моделдері

/

GTE Base (768‑өлшемді эмбеддингтер)

Сипаттамалары

Кіріс деректер
мәтін
Нәтиже
векторлар (эмбеддингтер)
Контекст өлшемі
512 токен
Вектор өлшемділігі
768
0,54 ₽

Промптың құны

(1М токенге қарай)

*Бағалар API-ді ECO-провайдерлер арқылы қолданғанда көрсетілген.
GTE Base (768‑өлшемді эмбеддингтер) үшін API және код үлгісіБіз OpenAI API-іне толық қолжетімділікті ұсынамыз. Біздің барлық соңғы нүктелер OpenAI-мен толық сәйкес келеді, оларды плагиндермен де, SDK арқылы өз бағдарламаңызды әзірлегенде де қолдануға болады.API кілтін жасау
import OpenAI from 'openai';
const openai = new OpenAI({
  apiKey: '<your bothub access token>',
  baseURL: 'https://openai.bothub.chat/v1'
});

async function main() {
  const response = await openai.embeddings.create({
    model: 'gte-base',
    input: 'The food was delicious and the waiter...',
    encoding_format: 'float'
  });

  const embedding = response.data[0].embedding;

  console.log(embedding);
}
main();
illustaration

Қалай жұмыс істейді GTE Base (768‑өлшемді эмбеддингтер)?

Дәл семантикалық іздеу және кластерлеу үшін BotHub-та GTE Base моделін қолданып көріңіз.

GTE Base (768‑өлшемді эмбеддингтер) туралы жиі қойылатын сұрақтар

Генерация нәтижелерін коммерциялық мақсатта пайдалана аласыз. Жасалған контентке барлық құқық сізге тиесілі. Жалғыз шектеу: сұрауда үшінші тараптардың авторлық құқықпен қорғалған материалдары пайдаланылмағанына көз жеткізіңіз. Кіріс деректерінің құқықтарын сақтау жауапкершілігі пайдаланушыға жүктеледі.

GTE Base — бұл эмбеддингтерді алуға арналған модель. Семантикалық іздеу, вектор бойынша іздеу, RAG, кластерлеу, мәтіндердің ұқсастығын бағалау және құжаттарды индекстеу үшін қолайлы. Модель downstream-тапсырмаларға арналған векторлық ұсыныстарды беруге оңтайландырылған.

Модель эмбеддингтерді — мәтіннің семантикасын білдіретін сандық векторларды генерациялайды. Шығыс әдетте векторлық базаларда (мысалы, Qdrant немесе pgvector) сақталатын және іздеу, кластерлеу және индекстеу үшін қолданылатын сандар массиві ретінде келеді.

Біздің деректерде GTE Base айқын пайымдауларды немесе chain‑of‑thought орындайтыны туралы ақпарат жоқ. Эмбеддингтік модель ретінде ол кіріс мәтінінің семантикасын векторларға сақтайды, бірақ қадамдық логикалық түсініктемелерді айқын түрде генерацияламайды.

Біздің деректерде функцияларды шақыруды немесе арнайы құрылымдалған JSON шығысын қолдау туралы ақпарат жоқ. GTE Base эмбеддингтерді сандық массивтер ретінде қайтарады; егер JSON қажет болса, әдетте API қабығы оны ыңғайлы сақтау және әрі қарай өңдеу үшін орауышты қалыптастырады.

Біздің деректерде GTE Base суреттерді, аудио немесе видеоны қабылдайтыны көрсетілмеген. Модель EMBEDDING деп белгіленген, сондықтан мәтінмен жұмыс істеу күтіледі; мультимодальды енгізу үшін арнайы модельдерді тексеру немесе жеткізушіден мүмкіндіктерін нақтылау керек.

Біздің деректерде орыс тілімен жұмыс істеу сапасы туралы нақты ақпарат жоқ. Эмбеддингтер әдетте жаттығу барысында аталған тілдердегі мәтіндердің семантикасын көрсетеді, сондықтан орыс тілін түсінуді бағалау үшін тесттік корпусты жіберіп, іздеу немесе кластерлеу метрикаларын салыстыру ұсынылады.

Қолдау қызметі10:00-ден 18:00-ге дейін МСК жұмыс істейміз