GTE Large EN v1.5

EmbeddingsMevcut Değil

Community tarafındangte-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.

Alternatifleri Gör Karşılaştır

Durum: Mevcut Değil
Bağlam: 8.192 token
Giriş → Çıkış: Metin → Vektör
Geliştirici: Community
Güncellendi: 23 Eylül 2026

GTE Large EN v1.5 şu anda kullanılamıyor

Bu sayfadaki ayrıntıları yine de okuyabilirsiniz. Hemen karşılaştırılabilir bir modeli çalıştırmak için aşağıdaki mevcut alternatiflerden birini seçin.

Alternatiflere Git

Karşılaştırılabilir modeller

Bu kategorideki tümü

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 giriş
GTE Large EN v1.5 ve OpenAI text-embedding-3-large karşılaştır
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 giriş
GTE Large EN v1.5 ve OpenAI text-embedding-3-small karşılaştır

Playground

GTE Large EN v1.5'ı deneyin

Giriş & Sonuç

Şu anda kullanılamıyor

Şu anda kullanılamıyor.

Oyun alanı devre dışıdır. Aynı kategoride karşılaştırılabilir modeller bulabilirsiniz: Alternatifleri görüntüle

Text

0 / 8.000

Text to embed (up to 8192 tokens)

Şununla karşılaştır (isteğe bağlı)

Modeli iki kez çalıştırır (iki kez faturalandırılır).

⌘/Ctrl + Enter

Sonuç

Vektör burada görünür.

Bu çalıştırma

Fiyat yok – şu anda kullanılamıyor.

Yeni misiniz?

Google ile kaydolduğunuzda 10 ücretsiz kredi ($0,10)

Kaydolduktan 24 saat sonra kullanılabilir, günde 5 çalıştırmaya kadar ve çalıştırma başına en fazla 2 kredi. Diğer oturum açma yöntemleri kredi olmadan başlar.

GTE Large EN v1.5 Hakkında

Özet23 Eylül 2026 itibariyle

GTE Large EN v1.5, Community tarafından Embeddings kategorisinde geliştirilen bir modeldir. GTE Large EN v1.5 şu anda Railwail üzerinde kullanılamıyor. Kontekst penceresi 8.192 token içerir.

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.

Fiyatlandırma

Şu anda kullanılamıyor. Bu modelin şu anda bir fiyatı yok, bu nedenle çalıştırılamıyor.

API

GTE Large EN v1.5 öğesini Railwail API anahtarınızla çağırın. İstekte bu model kimliğini kullanın:

gte-large-en-v1-5API Belgeleri API Anahtarı Al

Şu anda kullanılamıyor

Modelin doğrulanmış bir fiyatı yok veya devre dışı bırakılmıştır; API çağrıları reddedilir.

Özellikler

Model Kimliği: gte-large-en-v1-5
Geliştirici: Community
Kategori: Embeddings
Giriş: Metin
Çıkış: Vektör
Bağlam penceresi: 8.192 token
Katalog girişi güncellendi: 23 Eylül 2026

Giriş Parametreleri

Modelin giriş şemasından giriş ve ayarlar. API bölümündeki örnek, API'nin hangilerini kabul ettiğini gösterir.

ParametreTürVarsayılanİzin verilen değerler

inputsgerekli
Text to embed (up to 8192 tokens)
Tür: Metin
Varsayılan: –
İzin verilen değerler: en fazla 8.000 karakter

Etiketler

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

Kullanım Alanları

İlgili Kılavuzlar

Embedding Models for Search & Science

Embeddings Kategorisindeki Tüm Modeller

Sık Sorulan Sorular

GTE Large EN v1.5 nedir?

GTE Large EN v1.5, Community tarafından Embeddings kategorisinde oluşturulan bir modeldir. Railwail'de listelenmiştir ancak şu anda çalıştırılamaz.

GTE Large EN v1.5 Railwail'de ne kadar maliyetlidir?

GTE Large EN v1.5 şu anda Railwail'de çalıştırılamaz, bu nedenle mevcut bir fiyat yoktur. Fiyatları olan mevcut alternatifler bu sayfanın aşağısında listelenmiştir.

GTE Large EN v1.5'nin kontekst penceresi ne kadardır?

GTE Large EN v1.5'nin kontekst penceresi 8.192 token içerir.

GTE Large EN v1.5 ne kadar hızlıdır?

Railwail'de GTE Large EN v1.5 için henüz çalıştırma süresi belirtmek için yeterli ölçülen çalıştırma yoktur. Bu, giriş, ayarlar ve sağlayıcıdaki yüke bağlıdır.

GTE Large EN v1.5, OpenAI text-embedding-3-large'dan daha iyi midir?

Bu göreve bağlıdır. GTE Large EN v1.5 (Community) ve OpenAI text-embedding-3-large (OpenAI) her ikisi de Embeddings kategorisinde modellerdir. Karşılaştırma sayfası fiyatlarını ve özelliklerini yan yana gösterir.

GTE Large EN v1.5 ve OpenAI text-embedding-3-large'ı karşılaştır

GTE Large EN v1.5'yi şu anda kullanabilir miyim?

Şu anda kullanılamıyor. Sayfa çevrimiçi kalır; aynı kategoriden mevcut alternatifler aşağıda listelenmiştir.

Tüm Modeller Tek Bir API Aracılığıyla

Railwail'deki her model için bir API anahtarı. Kullanım, ön ödemeli kredilerden tahsil edilir, 1 kredi = $0,01.

API Anahtarı Al Tüm Modelleri Görüntüle