GTE Large EN v1.5

EmbeddingsEi saatavilla

kehittäjä: Communitygte-large-en-v1-5

Alibaba (Tongyi Lab) general text embedding model. The v1.5 release extends the context to 8192 tokens and returns 1024-dim vectors, scoring competitively on MTEB while handling much longer inputs than typical 512-token encoders. A practical open model when documents exceed the usual short-context limit.

Näytä vaihtoehdot Vertaile

Tila: Ei saatavilla
Konteksti: 8 192 tokenia
Syöte → tulos: Teksti → Vektori
Kehittäjä: Community
Päivitetty: 23. syyskuuta 2026

GTE Large EN v1.5 ei ole tällä hetkellä saatavilla

Voit silti lukea tiedot tältä sivulta. Valitse yksi alla olevista saatavilla olevista vaihtoehdoista suorittaaksesi vertailukelpoisen mallin heti.

Siirry vaihtoehtoihin

Vertailukelpoiset mallit

Kaikki tässä kategoriassa

OpenAI text-embedding-3-largeOpenAI
OpenAI's highest-quality embedding model. Returns 3072-dim vectors by default and supports reducing dimensions via the dimensions parameter. Outperforms text-embedding-3-small and the older ada-002 on MTEB and multilingual MIRACL retrieval benchmarks, for cases where accuracy matters more than cost.
0,156 $/1M in
Vertaa GTE Large EN v1.5 ja OpenAI text-embedding-3-large
OpenAI text-embedding-3-smallOpenAI
OpenAI's small, low-cost embedding model. Returns 1536-dim vectors by default and supports shortening output dimensions via the dimensions parameter without retraining. Replaced text-embedding-ada-002 with better retrieval quality at a fraction of the price, and is the default choice for general-purpose semantic search and RAG.
0,024 $/1M in
Vertaa GTE Large EN v1.5 ja OpenAI text-embedding-3-small

Leikkikenttä

Kokeile GTE Large EN v1.5

Syöte ja tulos

Ei tällä hetkellä saatavilla

Ei tällä hetkellä saatavilla.

Leikkikenttä on poistettu käytöstä. Vertailukelpoisia malleja löydät samasta kategoriasta: Selaa vaihtoehtoja

Text

0 / 8 000

Text to embed (up to 8192 tokens)

Vertaa kohteeseen (valinnainen)

Suorittaa mallin kahdesti (laskutetaan kahdesti).

⌘/Ctrl + Enter

Tulos

Vektori ilmestyy tähän.

Tämä suoritus

Ei hintaa – ei tällä hetkellä saatavilla.

Uusi täällä?

10 ilmaista creditiä (0,10 $) kun rekisteröidyt Googlella

Käytettävissä 24 tuntia rekisteröinnin jälkeen, enintään 5 suoritusta päivässä ja enintään 2 creditiä suoritusta kohti. Muut kirjautumismenetelmät alkavat ilman creditejä.

Tietoja: GTE Large EN v1.5

Lyhyesti23. syyskuuta 2026 alkaen

GTE Large EN v1.5 on Community-kehittäjän malli kategoriasta Embeddings. GTE Large EN v1.5 ei ole tällä hetkellä saatavilla Railwailissa. Kontekstiikkuna sisältää 8 192 tokenia.

gte-large-en-v1.5 from Alibaba's Institute for Intelligent Computing (Tongyi Lab) is a general text embedding model whose v1.5 update pushes the supported context to 8192 tokens, well beyond the 512-token ceiling of most BERT-based encoders. It outputs 1024-dim embeddings and posts competitive MTEB English scores, making it useful for long-passage retrieval and RAG over bigger chunks without aggressive splitting. It loads with trust_remote_code on Hugging Face and is served via the feature-extraction pipeline; mean-pool the token outputs for the sentence vector.

Hinnat

Ei tällä hetkellä saatavilla. Tällä hetkellä tälle mallille ei ole hintaa, joten sitä ei voi suorittaa.

API

Kutsu GTE Large EN v1.5 Railwail-API-avaimellasi. Käytä tätä mallin tunnusta pyynnössä:

gte-large-en-v1-5API-dokumentaatio Hanki API-avain

Tällä hetkellä ei saatavilla

Mallilla ei ole vahvistettua hintaa tai se on poistettu käytöstä; API-kutsut hylätään.

Tekniset tiedot

Mallin tunnus: gte-large-en-v1-5
Kehittäjä: Community
Kategoria: Embeddings
Syöte: Teksti
Tuloste: Vektori
Konteksti-ikkuna: 8 192 tokenia
Luettelokirjaus päivitetty: 23. syyskuuta 2026

Syöteparametrit

Mallin syötökaavion syötteet ja asetukset. API-osion esimerkki näyttää, mitkä niistä API hyväksyy.

ParametriTyyppiOletusSallitut arvot

inputspakollinen
Text to embed (up to 8192 tokens)
Tyyppi: Teksti
Oletus: –
Sallitut arvot: enintään 8 000 merkkiä

Tunnisteet

embedding
retrieval
rag
huggingface
gte
alibaba
long-context
open-weights
mteb

Käyttötapaukset

Liittyvät oppaat

Embedding Models for Search & Science

Kaikki mallit: Embeddings

Usein kysytyt kysymykset

Mikä on GTE Large EN v1.5?

GTE Large EN v1.5 on Communityn kehittämä malli Embeddings-kategoriassa. Se on listattu Railwailissa, mutta sitä ei voi tällä hetkellä suorittaa.

Paljonko GTE Large EN v1.5 maksaa Railwailissa?

GTE Large EN v1.5ta ei voi tällä hetkellä suorittaa Railwailissa, joten nykyistä hintaa ei ole. Saatavilla olevat vaihtoehdot hintojen kanssa on lueteltu tämän sivun alempana.

Mikä on GTE Large EN v1.5n kontekstiikkuna?

GTE Large EN v1.5n kontekstiikkuna sisältää 8 192 tokenia.

Kuinka nopea GTE Large EN v1.5 on?

GTE Large EN v1.5lla ei ole vielä tarpeeksi mitattuja suorituksia Railwailissa suoritusajan ilmoittamiseksi. Se riippuu syötteestä, asetuksista ja palveluntarjoajan kuormituksesta.

Onko GTE Large EN v1.5 parempi kuin OpenAI text-embedding-3-large?

Se riippuu tehtävästä. GTE Large EN v1.5 (Community) ja OpenAI text-embedding-3-large (OpenAI) ovat molemmat malleja Embeddings-kategoriassa. Vertailussa näkyvät niiden hinnat ja tekniset tiedot rinnakkain.

Vertaa GTE Large EN v1.5 ja OpenAI text-embedding-3-large

Voiko GTE Large EN v1.5a käyttää juuri nyt?

Ei tällä hetkellä saatavilla. Sivu pysyy verkossa; saatavilla olevat vaihtoehdot samasta kategoriasta on lueteltu alempana.

Kaikki mallit yhden API:n kautta

Yksi API-avain kaikille Railwailin malleille. Käyttö laskutetaan prepaid-krediiteistä, 1 krediitti = 0,01 $.

Hanki API-avain Selaa kaikkia malleja