GTE Base
Rede Neural
GTE Base é um modelo de embeddings que converte texto em vetores de 768 dimensões para busca semântica e agrupamento.
Especificações
- Entrada
- texto
- Saída
- vetores (embeddings)
- Tamanho do contexto
- 512 tokens
- Dimensões do vetor
- 768
Custo do prompt
(por 1M tokens)
Como funciona GTE Base?
O GTE Base codifica frases e parágrafos em vetores densos de 768 dimensões — representações compactas para avaliar a proximidade semântica, busca e agrupamento. A dimensão é conveniente para bancos de dados vetoriais como Qdrant e pgvector: os índices permanecem leves e a busca rápida. No BotHub, o modelo está disponível via API compatível com OpenAI, portanto, mudar para outro modelo não requer reescrever a integração; o acesso é direto, com pagamento em rublos por tokens. Use o GTE Base para RAG, busca em documentação e bases de conhecimento, desduplicação e agrupamento de tickets, recomendação de materiais similares e classificação de textos por vetores.Perguntas frequentes sobre GTE Base
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
O GTE Base é um modelo de embeddings: ele transforma texto em um vetor numérico que descreve seu significado. Esses vetores resolvem busca semântica, RAG, agrupamento e classificação, sendo fáceis de armazenar em bancos de dados vetoriais como Qdrant ou pgvector. Através da API unificada do BotHub, o modelo se conecta ao seu sistema multimodal junto com os outros.
O GTE Base não gera texto ou imagens. O resultado do seu trabalho é uma representação vetorial do texto de entrada: um conjunto de números de dimensão fixa que pode ser comparado por similaridade de cosseno, adicionado a um índice e usado em busca ou RAG. A resposta vem em formato legível por máquina, conveniente para processamento por código.
Em nossos dados, não há registro de raciocínio antes da resposta para este modelo. O GTE Base é um codificador para embeddings: ele converte imediatamente o texto de entrada em um vetor, sem raciocínio passo a passo ou diálogo. Se precisar de análise de tarefas com explicações, o BotHub possui modelos de texto, e alternar para eles não requer reescrever a integração.
Em nossos dados, não há registro de chamada de funções ou saída JSON estruturada para o GTE Base. O resultado é um vetor, não uma resposta baseada em um esquema JSON, portanto, cenários de 'function calling' não se aplicam. Para essas tarefas, é mais sensato usar um modelo de texto e deixar o GTE Base para busca e classificação.
Em nossos dados, não há registro de aceitação de imagens, áudio ou vídeo pelo GTE Base: o modelo trabalha com texto e fornece embeddings. Se precisar processar imagens, vídeo ou voz, o BotHub possui modelos específicos para essas tarefas, e alternar entre eles não requer reescrever a integração.
Os dados não contêm informações sobre a qualidade do GTE Base com o idioma russo, portanto, não há garantias: o idioma dos prompts e da saída não está especificado nas características. Vale a pena testar com seus próprios exemplos — pegue algumas consultas semelhantes e compare a proximidade dos vetores obtidos.