AI TOOLS RADAR
Entdecken
Alle Modelle / BAAI
baai logo
baai

BAAI: bge-large-en-v1.5

The bge-large-en-v1.5 embedding model maps English sentences, paragraphs, and documents into a 1024-dimensional dense vector space, delivering high-fidelity semantic embeddings optimized for semantic search, document retrieval, and downstream NLP tasks in English. Priced at $0.01 per M tokens. 512 token context window.

Quelle bei OpenRouter ansehen Hugging Face
Überblick

Modellspezifikationen

Kontext
512 tokens
Maximale Ausgabe
460 tokens
Architektur
text->embeddings
Tokenizer
Other
Wissensstand
Nicht angegeben
Moderiert
Nein
OPENROUTER

Vollständige Preise

Mit OpenRouter synchronisierte Preise; Tokenpreise gelten pro eine Million Token.

Eingabe
$0.01
/M tokens
API

Schnellstart

Dieses Modell über die OpenAI-kompatible API von OpenRouter aufrufen.

curl https://openrouter.ai/api/v1/embeddings \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"baai/bge-large-en-v1.5","input":"Your text here"}'
Fähigkeiten und Modalitäten

Eingabe → Ausgabe

Eingabe
text
Ausgabe
embeddings
API

Unterstützte API-Parameter

frequency_penaltymax_tokensmin_ppresence_penaltyrepetition_penaltyresponse_formatseedstoptemperaturetop_ktop_p
Verfügbare Anbieter

1 Anbieter

Live-Anbieter bei OpenRouter

Verfügbarkeit, Latenz, Durchsatz und Routing ändern sich laufend. Aktuelle Betriebsdaten stehen auf der Quellseite.

OpenRouter

DeepInfra

unknown
Kontext
1K
Maximale Ausgabe
0K
Eingabe
$0.010
Ausgabe
Kostenlos
Cache-Lesen
Nicht angegeben
Cache-Schreiben
Nicht angegeben
baai

Modelle

Alle Modelle
baai logobaai

BAAI: bge-base-en-v1.5

The bge-base-en-v1.5 embedding model converts English sentences and paragraphs into 768-dimensional dense vectors, delivering efficient, high-quality semantic embeddings optimized for retrieval, semantic search, and document-matching workflows. This version (v1.5) features...

Kontext
1K
Eingabe
text
Ausgabe
embeddings
Eingabe: $0.0050Ausgabe: Kostenlospro 1 Mio. Token
Modelldetails ansehen →
baai logobaai

BAAI: bge-m3

The bge-m3 embedding model encodes sentences, paragraphs, and long documents into a 1024-dimensional dense vector space, delivering high-quality semantic embeddings optimized for multilingual retrieval, semantic search, and large-context applications.

Kontext
8K
Eingabe
text
Ausgabe
embeddings
Eingabe: $0.010Ausgabe: Kostenlospro 1 Mio. Token
Modelldetails ansehen →