GTE Large EN v1.5

EmbeddingsInte tillgänglig

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 alternativ Jämför

Status: Inte tillgänglig
Kontext: 8 192 tokens
Inmatning → utmatning: Text → Vektor
Utvecklare: Community
Uppdaterad: 23 september 2026

GTE Large EN v1.5 är för närvarande otillgänglig

Du kan fortfarande läsa detaljerna på denna sida. Välj ett av de tillgängliga alternativen nedan för att köra en jämförbar modell direkt.

Gå till alternativ

Jämförbara modeller

Alla i denna kategori

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 US$/1M in
Jämför GTE Large EN v1.5 och OpenAI text-embedding-3-large
OpenAI text-embedding-3-smallOpenAI
OpenAI's small, low-cost embedding model. Returns 1536-dim vectors by default and supports shortening output dimensions via the dimensions parameter without retraining. Replaced text-embedding-ada-002 with better retrieval quality at a fraction of the price, and is the default choice for general-purpose semantic search and RAG.
0,024 US$/1M in
Jämför GTE Large EN v1.5 och OpenAI text-embedding-3-small

Playground

Prova GTE Large EN v1.5

Inmatning & resultat

Inte tillgänglig för närvarande

Inte tillgänglig för närvarande.

Lekplatsen är inaktiverad. Du hittar jämförbara modeller i samma kategori: Visa alternativ

Text

0 / 8 000

Text to embed (up to 8192 tokens)

Jämför med (valfritt)

Kör modellen två gånger (faktureras två gånger).

⌘/Ctrl + Enter

Resultat

Vektorn visas här.

Denna körning

Inget pris – för närvarande otillgängligt.

Ny här?

10 gratis credits (0,10 US$) när du registrerar dig med Google

Användbar 24 timmar efter registrering, upp till 5 körningar per dag och högst 2 credits per körning. Andra inloggningsmetoder startar utan credits.

Om GTE Large EN v1.5

Kort sagtFrån och med 23 september 2026

GTE Large EN v1.5 är en modell av Community i kategorin Embeddings. GTE Large EN v1.5 är för närvarande inte tillgänglig på Railwail. Kontextfönstret innehåller 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

Inte tillgänglig för närvarande. Det finns ingen pris för denna modell för närvarande, så den kan inte köras.

API

Anropa GTE Large EN v1.5 med din Railwail API-nyckel. Använd detta modell-ID i begäran:

gte-large-en-v1-5API-dokumentation Hämta API-nyckel

För närvarande otillgänglig

Modellen har inget verifierat pris eller är inaktiverad; API-anrop avvisas.

Specifikationer

Modell-ID: gte-large-en-v1-5
Utvecklare: Community
Kategori: Embeddings
Inmatning: Text
Utmatning: Vektor
Kontextfönster: 8 192 tokens
Kataloginlägg uppdaterat: 23 september 2026

Indataparametrar

Inmatningar och inställningar från modellens indataschema. Exemplet i API-avsnittet visar vilka som API:et accepterar.

ParameterTypStandardTillåtna värden

inputsobligatorisk
Text to embed (up to 8192 tokens)
Typ: Text
Standard: –
Tillåtna värden: upp till 8 000 tecken

Taggar

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

Användningsfall

Relaterade guider

Embedding Models for Search & Science

Alla modeller i Embeddings

Vanliga frågor

Vad är GTE Large EN v1.5?

GTE Large EN v1.5 är en modell av Community i kategorin Embeddings. Den finns i Railwail-katalogen men kan inte köras för närvarande.

Vad kostar GTE Large EN v1.5 på Railwail?

GTE Large EN v1.5 kan inte köras på Railwail för närvarande, så det finns inget aktuellt pris. Tillgängliga alternativ med priser visas längre ned på denna sida.

Hur stort är kontextfönstret för GTE Large EN v1.5?

Kontextfönstret för GTE Large EN v1.5 innehåller 8 192 tokens.

Hur snabb är GTE Large EN v1.5?

Det finns ännu inte tillräckligt många uppmätta körningar av GTE Large EN v1.5 på Railwail för att ange en körningstid. Det beror på inmatningen, inställningarna och belastningen hos leverantören.

Är GTE Large EN v1.5 bättre än OpenAI text-embedding-3-large?

Det beror på uppgiften. GTE Large EN v1.5 (Community) och OpenAI text-embedding-3-large (OpenAI) är båda modeller i kategorin Embeddings. Jämförelsesidan visar deras priser och specifikationer sida vid sida.

Jämför GTE Large EN v1.5 och OpenAI text-embedding-3-large

Kan jag använda GTE Large EN v1.5 just nu?

Inte tillgänglig för närvarande. Sidan förblir online; tillgängliga alternativ från samma kategori visas längre ned.

Alla modeller via ett API

En API-nyckel för alla modeller på Railwail. Användningen debiteras från förbetald kredit, 1 kredit = 0,01 US$.

Hämta API-nyckel Bläddra bland alla modeller