AI TOOLS RADAR
Prześlij
Wszystkie modele / THENLPER
thenlper logo
thenlper

Thenlper: GTE-Base

Opis źródłowy (angielski)

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.

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
za milion tokenów
API

Szybki start

Ustaw lokalnie OPENROUTER_API_KEY. Python wymaga requests, a JavaScript działa w Node.js. Klucz przechowuj na serwerze.

Dokumentacja 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-base","input":"Your text here"}'
Możliwości i modalności

Wejście → Wyjście

Wejście
text
Wyjście
embeddings
API

Obsługiwane parametry API

Dostępni dostawcy

1 Dostawca

Sprawdzono: 16 września 2026

Dostawcy na żywo w OpenRouter

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

OpenRouter

DeepInfra

Brak danych
Kontekst
1K
Maksymalne wyjście
0K
Wejście
$0.005
Wyjście
Bezpłatnie
Odczyt pamięci podręcznej
Brak danych
Zapis pamięci podręcznej
Brak danych
thenlper

1 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: $0.01za milion tokenów
Zobacz szczegóły modelu →