हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।

BAAI: bge-large-en-v1.5

baai/bge-large-en-v1.5

Embeddingsइनपुट: text1K18 नव॰ 2025 को जोड़ा गया

playground में खोलें BAAI: bge-large-en-v1.5 के लिए API key पाएं

BAAI: bge-large-en-v1.5 अभी आज़माएं

ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।

इसे इस्तेमाल करने के लिए साइन इन करेंमुफ्त अकाउंट बनाएं

इनपुट (हर लाइन में एक)

नतीजे यहां दिखेंगे।

आज 5 में से 5 मुफ्त मैसेज बाकी, मुफ्त अकाउंट से अतिरिक्त मुफ्त उपयोग और API key मिलती है।मुफ्त अकाउंट बनाएं साइन इनसेशन लागत $0.00

BAAI: bge-large-en-v1.5 एक नज़र में

इनपुट कीमत 34 Embeddings मॉडल के मीडियन से 50% कम है।

BAAI: bge-large-en-v1.5 के बारे में

BAAI bge-large-en-v1.5, BAAI (Beijing Academy of Artificial Intelligence) का एक embedding मॉडल है। यह chat श्रेणी के बजाय embeddings श्रेणी में आता है, जिसका अर्थ है कि यह संवादात्मक पाठ उत्पन्न नहीं करता। इसके बजाय, यह पाठ को वैक्टर में बदलता है जिन्हें आप संग्रहीत, तुलना और खोज सकते हैं। मॉडल को प्रदाता द्वारा 2025-11-18 को जारी किया गया था।

मॉडल इनपुट के रूप में अंग्रेजी पाठ लेता है और आउटपुट के रूप में embeddings उत्पन्न करता है। यह अंग्रेजी वाक्यों, अनुच्छेदों और दस्तावेजों को 1024-आयामी सघन वेक्टर स्थान में मैप करता है, जिसका लक्ष्य उच्च-निष्ठा वाले semantic embeddings हैं। संदर्भ विंडो 512 tokens है, और अधिकतम आउटपुट 460 है। चूंकि इनपुट केवल पाठ है और आउटपुट एक वेक्टर है, पढ़ने या पार्स करने के लिए कोई उत्पन्न गद्य नहीं है; आपको अर्थ के संख्यात्मक प्रतिनिधित्व मिलते हैं जिनके साथ डाउनस्ट्रीम सिस्टम काम कर सकते हैं।

ये विशेषताएं उपयोगों के एक काफी विशिष्ट समूह की ओर इशारा करती हैं। Semantic search स्पष्ट है: अपने दस्तावेजों को एक बार embed करें, अनुरोध के समय क्वेरी को embed करें, और वेक्टर समानता के आधार पर रैंक करें। Document retrieval और retrieval-augmented generation पाइपलाइनें उसी पैटर्न में फिट होती हैं, जहां embedding मॉडल recall संभालता है और एक अलग generation मॉडल उत्तर संभालता है। मॉडल उन डाउनस्ट्रीम NLP कार्यों के लिए भी उपयुक्त है जो embeddings का उपभोग करते हैं, जैसे clustering, deduplication, classification सुविधाएं, और वाक्यों या अनुच्छेदों के बीच समानता तुलना। जो कुछ भी अंग्रेजी पाठ के संक्षिप्त संख्यात्मक प्रतिनिधित्व की आवश्यकता है, वह एक उम्मीदवार है।

आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी "baai/bge-large-en-v1.5" का उपयोग करके कॉल करते हैं। चूंकि एंडपॉइंट OpenAI embeddings आकार का अनुसरण करता है, आप अपना पाठ input फ़ील्ड में भेजते हैं और प्रतिक्रिया में एक वेक्टर प्राप्त करते हैं। मॉडल कोई समर्थित पैरामीटर सूचीबद्ध नहीं करता है, इसलिए मॉडल आईडी और इनपुट के अलावा ट्यून करने के लिए कुछ नहीं है; यह उम्मीद न करें कि temperature या top_p जैसे विकल्प यहां लागू होंगे, क्योंकि वे generation मॉडल से संबंधित हैं। प्रत्येक इनपुट को 512 token संदर्भ विंडो के भीतर रखें, और 460 के अधिकतम आउटपुट को नोट करें।

योजना बनाने के लिए मुख्य बाधा यह 512 token विंडो है। लंबे दस्तावेजों को embedding से पहले chunks में विभाजित करने की आवश्यकता होती है, और chunking रणनीति retrieval गुणवत्ता को आपके नियंत्रण में किसी भी अन्य चीज से अधिक प्रभावित करेगी। यदि आपके कार्य को पाठ का प्रतिनिधित्व करने के बजाय उत्पन्न करने की आवश्यकता है, तो यह गलत मॉडल है और आपको इसके बजाय chat या completion मॉडल देखना चाहिए। यदि आपका पाठ अंग्रेजी नहीं है, तो मॉडल का अंग्रेजी पर बताया गया फोकस बताता है कि प्रतिबद्ध होने से पहले आपको जांचना चाहिए कि यह फिट बैठता है या नहीं।

BAAI: bge-large-en-v1.5 API कैसे कॉल करें

अपने dashboard में API key बनाएं।
अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
baseURL को https://api14.com/api/v1 और model को "baai/bge-large-en-v1.5" पर सेट करें।

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

const result = await client.embeddings.create({
  "model": "baai/bge-large-en-v1.5",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

स्पेसिफिकेशन

Context लंबाई: 512
अधिकतम आउटपुट: 460
इनपुट: text
आउटपुट: embeddings

api14 पर requests · पिछले 7 दिन

BAAI: bge-large-en-v1.5: अक्सर पूछे जाने वाले सवाल

BAAI: bge-large-en-v1.5 API की कीमत कितनी है?: BAAI: bge-large-en-v1.5 की कीमत इनपुट $0.04 / 1M tokens है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
BAAI: bge-large-en-v1.5 की context window कितनी है?: BAAI: bge-large-en-v1.5 हर request में 512 tokens तक पढ़ता है, prompt, इतिहास और दस्तावेज़ मिलाकर। यह हर जवाब में 460 आउटपुट tokens तक लिखता है।
BAAI: bge-large-en-v1.5 क्या कर सकता है?: BAAI: bge-large-en-v1.5 text स्वीकार करता है और embeddings लौटाता है।
अपने कोड से BAAI: bge-large-en-v1.5 कैसे कॉल करूं?: किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "baai/bge-large-en-v1.5" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
BAAI: bge-large-en-v1.5 के विकल्प क्या हैं?: मिलती-जुलती कीमत वाले Embeddings मॉडल: Thenlper: GTE-Large, Intfloat: E5-Large-v2, Intfloat: Multilingual-E5-Large। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।

BAAI: bge-large-en-v1.5 कम्युनिटी

नया टॉपिक

इस कम्युनिटी में अभी कोई टॉपिक नहीं है। BAAI: bge-large-en-v1.5 के बारे में पहला टॉपिक खोलें।