GTE Base
нейросеть
GTE Base — модель эмбеддингов, которая переводит текст в 768-мерные векторы для семантического поиска и кластеризации.
Характеристики
- Входные данные
- текст
- Результат
- векторы (эмбеддинги)
- Размер контекста
- 512 токенов
- Размерность вектора
- 768
Стоимость промпта
(за 1M токенов)
Как работает GTE Base?
GTE Base кодирует предложения и абзацы в плотные векторы размерностью 768 — компактные представления для оценки семантической близости, поиска и кластеризации. Размерность удобна для векторных баз вроде Qdrant и pgvector: индексы остаются лёгкими, а поиск быстрым. В BotHub модель доступна через единый OpenAI-совместимый API, так что переключение на другую модель не требует переписывания интеграции; доступ из России идёт без VPN и зарубежной карты, оплата — в рублях по факту за токены. Используйте gte-base для RAG, поиска по документации и базе знаний, дедупликации и кластеризации обращений, подбора похожих материалов и классификации текстов по векторам.Частые вопросы о GTE Base
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
gte-base — модель эмбеддингов: она превращает текст в числовой вектор, описывающий его смысл. Такие векторы решают семантический поиск, RAG, кластеризацию и классификацию, их удобно хранить в векторных базах вроде Qdrant или pgvector. Через единый API BotHub модель подключается к вашей мультимодельной системе наравне с остальными.
Текст и изображения gte-base не генерирует. Результат её работы — векторное представление входного текста: набор чисел фиксированной размерности, который можно сравнивать по косинусной близости, складывать в индекс и отдавать в поиск или RAG. Ответ приходит в машинно-читаемом виде, удобном для обработки кодом.
В наших данных рассуждения перед ответом у этой модели не отмечены. gte-base — энкодер для эмбеддингов: она сразу переводит входной текст в вектор, без пошаговых размышлений и диалога. Если нужен разбор задачи с объяснениями, в BotHub рядом есть текстовые модели, и переключение на них не требует переписывать интеграцию.
В наших данных вызов функций и структурированный вывод JSON у gte-base не отмечены. Её результат — вектор, а не ответ по заданной JSON-схеме, поэтому сценарии function calling для неё не описаны. Для таких задач разумнее взять текстовую модель, а gte-base оставить на поиск и ранжирование.
В наших данных приём изображений, аудио и видео у gte-base не отмечен: модель работает с текстом и отдаёт эмбеддинги. Если нужно обрабатывать картинки, видео или голос, в BotHub есть отдельные модели под эти задачи, а переключение между ними не требует переписывать интеграцию.
Данные не содержат сведений о качестве работы gte-base с русским языком, поэтому обещать здесь нечего: язык промтов и вывода в характеристиках не указан. Проверить стоит на своих примерах — возьмите несколько похожих запросов и сравните близость полученных векторов.