AI TOOLS RADAR
Odkrywaj
Wszystkie modele / 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.

Zobacz źródło w OpenRouter Hugging Face
Przegląd

Specyfikacja modelu

Kontekst
512 tokens
Maksymalne wyjście
460 tokens
Architektura
text->embeddings
Tokenizer
Other
Granica wiedzy
Brak danych
Moderowany
Nie
OPENROUTER

Pełny cennik

Stawki zsynchronizowane z OpenRouter, za milion tokenów.

Wejście
$0.005
/M tokens
API

Szybki start

Wywołaj ten model przez zgodne z OpenAI API OpenRouter.

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"}'
Możliwości i modalności

Wejście → Wyjście

Wejście
text
Wyjście
embeddings
API

Obsługiwane parametry API

frequency_penaltymax_tokensmin_ppresence_penaltyrepetition_penaltyresponse_formatseedstoptemperaturetop_ktop_p
Dostępni dostawcy

1 Dostawca

Dostawcy na żywo w OpenRouter

Dostępność, opóźnienie, przepustowość i routing stale się zmieniają. Aktualne dane są na stronie źródłowej.

OpenRouter

DeepInfra

unknown
Kontekst
1K
Maksymalne wyjście
0K
Wejście
$0.0050
Wyjście
Bezpłatnie
Odczyt pamięci podręcznej
Brak danych
Zapis pamięci podręcznej
Brak danych
thenlper

modele

Wszystkie modele
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...

Kontekst
1K
Wejście
text
Wyjście
embeddings
Wejście: $0.010Wyjście: Bezpłatnieza milion tokenów
Zobacz szczegóły modelu →