AI TOOLS RADAR
Entdecken
Alle Modelle / THENLPER
thenlper logo
thenlper

Thenlper: GTE-Base

The gte-base embedding model encodes English sentences and paragraphs into a 768-dimensional dense vector space, delivering efficient and effective semantic embeddings optimized for textual similarity, semantic search, and clustering applications. Priced at $0.005 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
$0.005
/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":"thenlper/gte-base","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
$0.0050
Ausgabe
Kostenlos
Cache-Lesen
Nicht angegeben
Cache-Schreiben
Nicht angegeben
thenlper

Modelle

Alle Modelle
thenlper logothenlper

Thenlper: GTE-Large

The gte-large embedding model converts English sentences, paragraphs and moderate-length documents into a 1024-dimensional dense vector space, delivering high-quality semantic embeddings optimized for information retrieval, semantic textual similarity, reranking and...

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