GTE Large EN v1.5

EmbeddingiNiedostępne

od 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.

Zobacz alternatywy Porównaj

Status: Niedostępne
Kontekst: 8192 tokenów
Wejście → Wyjście: Tekst → Wektor
Deweloper: Community
Zaktualizowano: 23 września 2026

GTE Large EN v1.5 jest obecnie niedostępny

Możesz nadal przeczytać szczegóły na tej stronie. Wybierz jedną z dostępnych alternatyw poniżej, aby od razu uruchomić porównywalny model.

Przejdź do alternatyw

Porównywalne modele

Wszystkie w tej kategorii

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 wej.
Porównaj GTE Large EN v1.5 i 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 wej.
Porównaj GTE Large EN v1.5 i OpenAI text-embedding-3-small

Playground

Spróbuj GTE Large EN v1.5

Wejście i wyjście

Niedostępny

Obecnie niedostępne.

Plac zabaw jest wyłączony. Porównywalne modele znajdziesz w tej samej kategorii: Przeglądaj alternatywy

Text

0 / 8000

Text to embed (up to 8192 tokens)

Porównaj z (opcjonalnie)

Uruchamia model dwa razy (rozliczane dwa razy).

⌘/Ctrl + Enter

Wynik

Wektor pojawi się tutaj.

To uruchomienie

Brak ceny – obecnie niedostępne.

Nowy tutaj?

10 darmowych kredytów (0,10 USD) po zarejestrowaniu się przez Google

Dostępne 24 godzin po rejestracji, do 5 uruchomień dziennie i maksymalnie 2 kredytów na uruchomienie. Inne metody logowania uruchamiają się bez kredytów.

O GTE Large EN v1.5

Krótko mówiącStan na 23 września 2026

GTE Large EN v1.5 to model opracowany przez Community w kategorii Embeddingi. GTE Large EN v1.5 nie jest obecnie dostępny w serwisie Railwail. Okno kontekstu zawiera 8192 tokenów.

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.

Ceny

Obecnie niedostępne. Dla tego modelu nie ma ceny w tej chwili, dlatego nie można go uruchomić.

API

Wywołaj GTE Large EN v1.5 za pomocą klucza API Railwail. Użyj tego ID modelu w żądaniu:

gte-large-en-v1-5Dokumentacja API Uzyskaj klucz API

Obecnie niedostępne

Model nie ma zweryfikowanej ceny lub jest wyłączony; wywołania API są odrzucane.

Specyfikacje

ID modelu: gte-large-en-v1-5
Deweloper: Community
Kategoria: Embeddingi
Wejście: Tekst
Wyjście: Wektor
Okno kontekstu: 8192 tokenów
Wpis w katalogu zaktualizowany: 23 września 2026

Parametry wejściowe

Dane wejściowe i ustawienia ze schematu wejściowego modelu. Przykład w sekcji API pokazuje, które z nich API akceptuje.

ParametrTypDomyślnieDozwolone wartości

inputswymagane
Text to embed (up to 8192 tokens)
Typ: Tekst
Domyślnie: –
Dozwolone wartości: do 8000 znaków

Tagi

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

Przypadki użycia

Powiązane przewodniki

Embedding Models for Search & Science

Wszystkie modele w Embeddingi

Często zadawane pytania

Co to jest GTE Large EN v1.5?

GTE Large EN v1.5 to model opracowany przez Community w kategorii Embeddingi. Jest wymieniony w katalogu Railwail, ale nie może być uruchomiony w tej chwili.

Ile kosztuje GTE Large EN v1.5 w serwisie Railwail?

GTE Large EN v1.5 nie może być uruchomiony w serwisie Railwail w tej chwili, dlatego nie ma aktualnej ceny. Dostępne alternatywy z cenami są wymienione poniżej na tej stronie.

Jakie jest okno kontekstu GTE Large EN v1.5?

Okno kontekstu GTE Large EN v1.5 zawiera 8192 tokenów.

Jak szybki jest GTE Large EN v1.5?

Dla GTE Large EN v1.5 jest jeszcze zbyt mało zmierzonych przebiegów w serwisie Railwail, aby podać czas przebiegu. Zależy to od wejścia, ustawień i obciążenia u dostawcy.

Czy GTE Large EN v1.5 jest lepszy niż OpenAI text-embedding-3-large?

To zależy od zadania. GTE Large EN v1.5 (Community) i OpenAI text-embedding-3-large (OpenAI) to oba modele z kategorii Embeddingi. Strona porównania pokazuje ich ceny i specyfikacje obok siebie.

Porównaj GTE Large EN v1.5 i OpenAI text-embedding-3-large

Czy mogę używać GTE Large EN v1.5 teraz?

Obecnie niedostępne. Strona pozostaje online; dostępne alternatywy z tej samej kategorii są wymienione poniżej.

Wszystkie modele przez jedno API

Jeden klucz API dla każdego modelu na Railwail. Opłaty pobierane są z przedpłaconych kredytów, 1 kredyt = 0,01 USD.

Pobierz klucz API Przeglądaj wszystkie modele