GTE Large EN v1.5

EmbeddingsΜη διαθέσιμο
από CommunityΑναγνωριστικό μοντέλου: gte-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.

Κατάσταση
Μη διαθέσιμο
Περιεχόμενο
8.192 tokens
Είσοδος → Έξοδος
Κείμενο → Διάνυσμα
Προγραμματιστής
Community
Ενημερώθηκε
23 Σεπτεμβρίου 2026

Το GTE Large EN v1.5 δεν είναι διαθέσιμο αυτή τη στιγμή

Μπορείτε να διαβάσετε τις λεπτομέρειες σε αυτήν τη σελίδα. Επιλέξτε μία από τις διαθέσιμες εναλλακτικές λύσεις παρακάτω για να εκτελέσετε αμέσως ένα συγκρίσιμο μοντέλο.

Μετάβαση στις εναλλακτικές λύσεις
01

Συγκρίσιμα μοντέλα

Όλα σε αυτήν την κατηγορία
02

Playground

Δοκιμάστε GTE Large EN v1.5

Είσοδος & Έξοδος

Προς το παρόν μη διαθέσιμο

Προς το παρόν μη διαθέσιμο.

Το playground είναι απενεργοποιημένο. Μπορείτε να βρείτε συγκρίσιμα μοντέλα στην ίδια κατηγορία: Περιήγηση εναλλακτικών λύσεων

Δοκιμάστε GTE Large EN v1.5

0 / 8.000

Text to embed (up to 8192 tokens)

Εκτελεί το μοντέλο δύο φορές (χρέωση δύο φορές).

Αποτέλεσμα
Το διάνυσμα εμφανίζεται εδώ.

Αυτή η εκτέλεση

Χωρίς τιμή – προς το παρόν μη διαθέσιμο.

Νέος εδώ;

10 δωρεάν πιστωτικές μονάδες (0,10 $) όταν εγγραφείς με Google

Χρησιμοποιήσιμο 24 ώρες μετά την εγγραφή, έως 5 εκτελέσεις ανά ημέρα και το πολύ 2 πιστωτικές μονάδες ανά εκτέλεση. Άλλες μέθοδοι σύνδεσης ξεκινούν χωρίς πιστωτικές μονάδες.

03

Σχετικά με το GTE Large EN v1.5

ΣύντομαΗμερομηνία: 23 Σεπτεμβρίου 2026

Το GTE Large EN v1.5 είναι ένα μοντέλο του Community στην κατηγορία Embeddings. Το GTE Large EN v1.5 δεν είναι διαθέσιμο στο Railwail αυτή τη στιγμή. Το παράθυρο περιεχομένου περιέχει 8.192 tokens.

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.
04

Τιμολόγηση

Προς το παρόν μη διαθέσιμο. Δεν υπάρχει τιμή για αυτό το μοντέλο αυτή τη στιγμή, επομένως δεν μπορεί να εκτελεστεί.

05

API

Καλέστε το GTE Large EN v1.5 με το κλειδί Railwail API. Χρησιμοποιήστε αυτό το ID μοντέλου στο αίτημα:

Προς το παρόν μη διαθέσιμο

Το μοντέλο δεν έχει επαληθευμένη τιμή ή είναι απενεργοποιημένο· οι κλήσεις API απορρίπτονται.

06

Προδιαγραφές

ID μοντέλου
gte-large-en-v1-5
Ανάπτυξη
Community
Κατηγορία
Embeddings
Είσοδος
Κείμενο
Έξοδος
Διάνυσμα
Παράθυρο περιεχομένου
8.192 tokens
Καταχώρηση καταλόγου ενημερώθηκε
23 Σεπτεμβρίου 2026

Παράμετροι εισόδου

Εισόδους και ρυθμίσεις από το σχήμα εισόδου του μοντέλου. Το παράδειγμα στην ενότητα API δείχνει ποιες από αυτές δέχεται το API.

  • inputsΥποχρεωτικό

    Text to embed (up to 8192 tokens)

    Τύπος: Κείμενο
    Προεπιλογή: –
    Επιτρεπόμενες τιμές: Έως 8.000 χαρακτήρες

Ετικέτες

  • embedding
  • retrieval
  • rag
  • huggingface
  • gte
  • alibaba
  • long-context
  • open-weights
  • mteb
07

Περιπτώσεις χρήσης

08

Συχνές ερωτήσεις

Τι είναι GTE Large EN v1.5;

Το GTE Large EN v1.5 είναι ένα μοντέλο του Community στην κατηγορία Embeddings. Είναι καταχωρημένο στο Railwail αλλά δεν μπορεί να εκτελεστεί αυτή τη στιγμή.

Πόσο κοστίζει το GTE Large EN v1.5 στο Railwail;

Το GTE Large EN v1.5 δεν μπορεί να εκτελεστεί στο Railwail αυτή τη στιγμή, επομένως δεν υπάρχει τρέχουσα τιμή. Διαθέσιμες εναλλακτικές λύσεις με τιμές παρατίθενται παρακάτω σε αυτήν τη σελίδα.

Ποιο είναι το παράθυρο περιεχομένου του GTE Large EN v1.5;

Το παράθυρο περιεχομένου του GTE Large EN v1.5 περιέχει 8.192 tokens.

Πόσο γρήγορο είναι το GTE Large EN v1.5;

Δεν υπάρχουν αρκετές μετρημένες εκτελέσεις του GTE Large EN v1.5 στο Railwail ακόμα για να δηλωθεί ένας χρόνος εκτέλεσης. Εξαρτάται από την είσοδο, τις ρυθμίσεις και το φορτίο στον πάροχο.

Είναι το GTE Large EN v1.5 καλύτερο από το OpenAI text-embedding-3-large;

Αυτό εξαρτάται από την εργασία. Το GTE Large EN v1.5 (Community) και το OpenAI text-embedding-3-large (OpenAI) είναι και τα δύο μοντέλα στην κατηγορία Embeddings. Η σελίδα σύγκρισης δείχνει τις τιμές και τις προδιαγραφές τους παράλληλα.

Σύγκριση GTE Large EN v1.5 και OpenAI text-embedding-3-large

Μπορώ να χρησιμοποιήσω το GTE Large EN v1.5 τώρα;

Προς το παρόν μη διαθέσιμο. Η σελίδα παραμένει ενεργή· διαθέσιμες εναλλακτικές λύσεις από την ίδια κατηγορία παρατίθενται παρακάτω.

Όλα τα μοντέλα μέσω ενός API

Ένα κλειδί API για κάθε μοντέλο στο Railwail. Η χρήση χρεώνεται από προπληρωμένα πιστωτικά, 1 πιστωτικό = 0,01 $.