GTE Base
Réseau Neuronal
GTE Base est un modèle d'embeddings qui convertit le texte en vecteurs de 768 dimensions pour la recherche sémantique et le clustering.
Caractéristiques
- Entrée
- texte
- Sortie
- vecteurs (embeddings)
- Taille du contexte
- 512 tokens
- Dimensions du vecteur
- 768
Coût du prompt
(par 1M tokens)
Comment ça marche GTE Base?
GTE Base encode les phrases et paragraphes en vecteurs denses de dimension 768 — des représentations compactes pour évaluer la proximité sémantique, la recherche et le clustering. Cette dimension est pratique pour les bases de données vectorielles comme Qdrant et pgvector : les index restent légers et la recherche rapide. Sur BotHub, le modèle est disponible via une API unique compatible OpenAI, permettant de changer de modèle sans réécrire l'intégration. L'accès est direct, sans VPN ni carte étrangère, avec un paiement en roubles à l'usage. Utilisez GTE Base pour le RAG, la recherche documentaire, la déduplication, le clustering de requêtes, la recommandation de contenus et la classification de textes par vecteurs.Questions fréquentes sur GTE Base
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
GTE Base est un modèle d'embeddings : il transforme le texte en un vecteur numérique décrivant son sens. Ces vecteurs permettent la recherche sémantique, le RAG, le clustering et la classification, et sont faciles à stocker dans des bases vectorielles comme Qdrant ou pgvector. Via l'API unique de BotHub, le modèle s'intègre à votre système multimodal comme les autres.
GTE Base ne génère ni texte ni images. Le résultat est une représentation vectorielle du texte d'entrée : un ensemble de nombres de dimension fixe, comparables par similarité cosinus, indexables et utilisables pour la recherche ou le RAG. La réponse est fournie sous une forme lisible par machine, adaptée au traitement par code.
Nos données n'indiquent pas de capacités de raisonnement pour ce modèle. GTE Base est un encodeur d'embeddings : il convertit directement le texte en vecteur, sans réflexion étape par étape ni dialogue. Si vous avez besoin d'une analyse avec explications, BotHub propose des modèles textuels, et basculer vers eux ne nécessite pas de réécrire l'intégration.
Nos données n'indiquent pas de prise en charge de l'appel de fonctions ou de sortie JSON structurée pour GTE Base. Son résultat est un vecteur, pas une réponse selon un schéma JSON, donc les scénarios de 'function calling' ne s'appliquent pas. Pour ces tâches, il est préférable d'utiliser un modèle textuel et de réserver GTE Base à la recherche et au classement.
Nos données n'indiquent pas que GTE Base accepte des images, de l'audio ou de la vidéo : le modèle traite du texte et produit des embeddings. Si vous devez traiter des images, de la vidéo ou de la voix, BotHub propose des modèles dédiés, et basculer entre eux ne nécessite pas de réécrire l'intégration.
Les données ne contiennent pas d'informations sur la qualité de GTE Base avec le russe, nous ne pouvons donc rien promettre : la langue des prompts et de la sortie n'est pas spécifiée dans les caractéristiques. Il vaut mieux tester avec vos propres exemples : prenez quelques requêtes similaires et comparez la proximité des vecteurs obtenus.