GTE Large EN v1.5

EmbeddingsIkke tilgjengelig

av 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.

Se alternativer Sammenlign

Status: Ikke tilgjengelig
Kontekst: 8 192 tokens
Input → output: Tekst → Vektor
Utvikler: Community
Oppdatert: 23. september 2026

GTE Large EN v1.5 er for øyeblikket utilgjengelig

Du kan fortsatt lese detaljene på denne siden. Velg ett av de tilgjengelige alternativene nedenfor for å kjøre en sammenlignbar modell med en gang.

Gå til alternativer

Sammenlignbare modeller

Alle i denne kategorien

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 USD/1M inn
Sammenlign GTE Large EN v1.5 og 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 USD/1M inn
Sammenlign GTE Large EN v1.5 og OpenAI text-embedding-3-small

Playground

Prøv GTE Large EN v1.5

Inndata og resultat

Ikke tilgjengelig for øyeblikket

Ikke tilgjengelig for øyeblikket.

Lekeplassen er deaktivert. Du finner sammenlignbare modeller i samme kategori: Se alternativer

Text

0 / 8 000

Text to embed (up to 8192 tokens)

Sammenlign med (valgfritt)

Kjører modellen to ganger (fakturert to ganger).

⌘/Ctrl + Enter

Resultat

Vektoren vises her.

Denne kjøringen

Ingen pris – ikke tilgjengelig for øyeblikket.

Ny her?

10 gratis credits (0,10 USD) når du registrerer deg med Google

Kan brukes 24 timer etter registrering, opptil 5 kjøringer per dag og maksimalt 2 credits per kjøring. Andre påloggingsmetoder starter uten credits.

Om GTE Large EN v1.5

Kort sagtPer 23. september 2026

GTE Large EN v1.5 er en modell fra Community i kategorien Embeddings. GTE Large EN v1.5 er for øyeblikket ikke tilgjengelig på Railwail. Kontekstvinduet inneholder 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.

Priser

Ikke tilgjengelig for øyeblikket. Det er ingen pris for denne modellen for øyeblikket, så den kan ikke kjøres.

API

Ring GTE Large EN v1.5 med din Railwail API-nøkkel. Bruk denne modell-IDen i forespørselen:

gte-large-en-v1-5API-dokumentasjon Få en API-nøkkel

Ikke tilgjengelig for øyeblikket

Modellen har ingen verifisert pris eller er deaktivert; API-kall blir avvist.

Spesifikasjoner

Modell-ID: gte-large-en-v1-5
Utvikler: Community
Kategori: Embeddings
Inndata: Tekst
Utdata: Vektor
Kontekstvindu: 8 192 tokens
Katalogoppføring oppdatert: 23. september 2026

Inndataparametere

Inndataer og innstillinger fra modellens inndataskjema. Eksemplet i API-delen viser hvilke av dem APIen godtar.

ParameterTypeStandardTillatte verdier

inputsobligatorisk
Text to embed (up to 8192 tokens)
Type: Tekst
Standard: –
Tillatte verdier: opptil 8 000 tegn

Merkelapper

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

Brukstilfeller

Relaterte veiledninger

Embedding Models for Search & Science

Alle modeller i Embeddings

Ofte stilte spørsmål

Hva er GTE Large EN v1.5?

GTE Large EN v1.5 er en modell fra Community i kategorien Embeddings. Den er oppført på Railwail, men kan ikke kjøres for øyeblikket.

Hvor mye koster GTE Large EN v1.5 på Railwail?

GTE Large EN v1.5 kan ikke kjøres på Railwail for øyeblikket, så det finnes ingen gjeldende pris. Tilgjengelige alternativer med priser er oppført lenger ned på denne siden.

Hvor stort er kontekstvinduet til GTE Large EN v1.5?

Kontekstvinduet til GTE Large EN v1.5 inneholder 8 192 tokens.

Hvor rask er GTE Large EN v1.5?

Det finnes ennå ikke nok målte kjøringer av GTE Large EN v1.5 på Railwail til å angi en kjøretid. Det avhenger av inndataene, innstillingene og belastningen hos leverandøren.

Er GTE Large EN v1.5 bedre enn OpenAI text-embedding-3-large?

Det avhenger av oppgaven. GTE Large EN v1.5 (Community) og OpenAI text-embedding-3-large (OpenAI) er begge modeller i kategorien Embeddings. Sammenligningssiden viser prisene og spesifikasjonene deres side ved side.

Sammenlign GTE Large EN v1.5 og OpenAI text-embedding-3-large

Kan jeg bruke GTE Large EN v1.5 akkurat nå?

Ikke tilgjengelig for øyeblikket. Siden forblir online; tilgjengelige alternativer fra samme kategori er oppført lenger ned.

Alle modeller gjennom én API

Én API-nøkkel for alle modeller på Railwail. Bruk belastes fra forhåndsbetalt kreditt, 1 kreditt = 0,01 USD.

Få API-nøkkel Se alle modeller