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
< 0.01 $

Custo do prompt

(por 1M tokens)

*Os preços indicados são para uso da API via provedores ECO.
Exemple de code et API pour GTE BaseNous offrons un accès complet à l'API OpenAI via notre service. Tous nos points de terminaison sont entièrement conformes aux points de terminaison OpenAI et peuvent être utilisés avec des plugins ainsi que lors du développement de votre propre logiciel via le SDK.Créer une clé API
Javascript
Python
Curl
illustaration

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

Posso usar os resultados de gte-base para fins comerciais?

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 que o GTE Base faz e para quais tarefas é adequado?

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.

Em que qualidade e formato o GTE Base gera?

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.

O GTE Base consegue raciocinar antes de responder?

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.

O GTE Base suporta chamada de funções e saída em JSON?

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.

É possível carregar imagens, áudio ou vídeo no GTE Base?

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.

Quão bem o GTE Base entende o idioma russo?

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.

Service d'AssistanceOuvert de 10h00 à 18h00 MSK