thenlper logo
thenlper

Thenlper: GTE-Large

Description de la source (anglais)

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...

Présentation

Caractéristiques du modèle

Contexte
512 tokens
Sortie maximale
460 tokens
Architecture
text->embeddings
Tokenizer
Other
Limite des connaissances
Non indiqué
Modéré
Non
OPENROUTER

Tarification complète

Tarifs synchronisés depuis OpenRouter, par million de tokens.

Entrée
$0.01
par million de tokens
API

Démarrage rapide

Définissez OPENROUTER_API_KEY localement. Python nécessite requests ; JavaScript s’exécute dans Node.js. Gardez la clé côté serveur.

Documentation de l’API

curl --fail-with-body https://openrouter.ai/api/v1/embeddings \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"thenlper/gte-large","input":"Your text here"}'
Capacités et modalités

EntréeSortie

Entrée
text
Sortie
embeddings
API

Paramètres API pris en charge

Fournisseurs disponibles

1 Fournisseur

Vérifié: 16 septembre 2026

Fournisseurs en direct sur OpenRouter

Disponibilité, latence, débit et routage évoluent en continu. Consultez la source pour les données en temps réel.

OpenRouter

DeepInfra

Non indiqué
Contexte
1K
Sortie maximale
0K
Entrée
$0.01
Sortie
Gratuit
Lecture du cache
Non indiqué
Écriture du cache
Non indiqué
thenlper

1 modèles

Tous les modèles