GTE Large EN v1.5

EmbeddingsNav pieejams

no 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.

Skatīt alternatīvas Salīdzināt

Statuss: Nav pieejams
Konteksts: 8192 marķieri
Ievade → Izvade: Teksts → Vektors
Izstrādātājs: Community
Atjaunināts: 2026. gada 23. septembris

GTE Large EN v1.5 pašlaik nav pieejams

Jūs joprojām varat lasīt detaļas šajā lapā. Izvēlieties vienu no pieejamajām alternatīvām zemāk, lai uzreiz palaistu salīdzināmu modeli.

Uz alternatīvām

Salīdzināmi modeļi

Visi šajā kategorijā

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 ievade
Salīdzināt GTE Large EN v1.5 un 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 ievade
Salīdzināt GTE Large EN v1.5 un OpenAI text-embedding-3-small

Spēļu laukums

Izmēģiniet GTE Large EN v1.5

Ievade un rezultāts

Pašlaik nav pieejams

Pašlaik nav pieejams.

Spēļu laukums ir atspējots. Salīdzināmus modeļus varat atrast vienā kategorijā: Skatīt alternatīvas

Text

0 / 8000

Text to embed (up to 8192 tokens)

Salīdzināt ar (neobligāti)

Palaiž modeli divas reizes (norēķināts divas reizes).

⌘/Ctrl + Enter

Rezultāts

Vektors parādīsies šeit.

Šis palaišanas gadījums

Nav cenas – pašlaik nav pieejams.

Jauns šeit?

10 bezmaksas kredīti (0,10 $), reģistrējies ar Google

Pieejams 24 stundas pēc reģistrācijas, līdz 5 palaišanas gadījumi dienā un maksimāli 2 kredīti uz palaišanas gadījumu. Citas pierakstīšanās metodes sākas bez kredītiem.

Par GTE Large EN v1.5

ĪsumāUz 2026. gada 23. septembris

GTE Large EN v1.5 ir Community modelis kategorijā Embeddings. GTE Large EN v1.5 pašlaik nav pieejams Railwail platformā. Konteksta logs satur 8192 žetonus.

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.

Cenas

Pašlaik nav pieejams. Šim modelim pašlaik nav cenas, tāpēc to nevar palaist.

API

Izsauciet GTE Large EN v1.5 ar savu Railwail API atslēgu. Izmantojiet šo modeļa ID pieprasījumā:

gte-large-en-v1-5API dokumentācija Iegūt API atslēgu

Pašlaik nav pieejams

Modelim nav pārbaudītas cenas vai tas ir deaktivizēts; API izsaukumi tiek noraidīti.

Specifikācijas

Modeļa ID: gte-large-en-v1-5
Izstrādātājs: Community
Kategorija: Embeddings
Ievade: Teksts
Izvade: Vektors
Konteksta logs: 8192 marķieri
Kataloga ieraksts atjaunināts: 2026. gada 23. septembris

Ievades parametri

Ievades un iestatījumi no modeļa ievades shēmas. Piemērs API sadaļā parāda, kurus no tiem API pieņem.

ParametrsTipsNoklusējumsAtļautās vērtības

inputsobligāts
Text to embed (up to 8192 tokens)
Tips: Teksts
Noklusējums: –
Atļautās vērtības: līdz 8000 rakstzīmēm

Tagi

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

Lietošanas gadījumi

Saistītie ceļveži

Embedding Models for Search & Science

Visi modeļi: Embeddings

Bieži uzdotie jautājumi

Kas ir GTE Large EN v1.5?

GTE Large EN v1.5 ir Community izstrādāts modelis Embeddings kategorijā. Tas ir uzskaitīts Railwail katalogā, bet pašlaik to nevar palaist.

Cik maksā GTE Large EN v1.5 Railwail?

GTE Large EN v1.5 pašlaik nevar tikt palaists Railwail, tāpēc nav pašreizējās cenas. Pieejamās alternatīvas ar cenām ir norādītas tālāk šajā lapā.

Kāds ir GTE Large EN v1.5 konteksta logs?

GTE Large EN v1.5 konteksta logs satur 8192 žetonus.

Cik ātrs ir GTE Large EN v1.5?

Railwail platformā GTE Large EN v1.5 vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.

Vai GTE Large EN v1.5 ir labāks par OpenAI text-embedding-3-large?

Tas ir atkarīgs no uzdevuma. GTE Large EN v1.5 (Community) un OpenAI text-embedding-3-large (OpenAI) ir abi modeļi Embeddings kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.

Salīdzināt GTE Large EN v1.5 un OpenAI text-embedding-3-large

Vai es varu izmantot GTE Large EN v1.5 tieši tagad?

Pašlaik nav pieejams. Lapa paliek tiešsaistē; pieejamās alternatīvas no vienas kategorijas ir norādītas tālāk.

Visi modeļi caur vienu API

Viena API atslēga visiem Railwail modeļiem. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem, 1 kredīts = 0,01 $.

Iegūt API atslēgu Skatīt visus modeļus