Thenlper: GTE-Base

Thenlper: GTE-Base é um modelo de embedding da Thenlper, listado em api14 sob o id de modelo thenlper/gte-base. Está na categoria de embeddings, portanto não é um modelo de chat ou de geração de texto. A sua função é transformar texto em vetores que representam significado, e o fornecedor descreve-o como codificando frases e parágrafos em inglês num espaço vetorial denso de 768 dimensões. Foi lançado pelo fornecedor em 2025-11-18.

O modelo recebe texto como única entrada e devolve embeddings como única saída. O seu comprimento de contexto é de 512 tokens, e a saída máxima é de 460. Dentro dessa janela, processa frases e parágrafos, o que corresponde à descrição do fornecedor do modelo como otimizado para similaridade textual, pesquisa semântica e clustering. Como a saída é um vetor e não texto gerado, deve esperar dados numéricos de embedding de cada chamada, não uma resposta escrita.

Essas capacidades apontam para um conjunto bastante específico de utilizações. A pesquisa semântica é a mais óbvia: incorporar os seus documentos uma vez, incorporar a consulta no momento do pedido e ordenar por similaridade vetorial. O clustering e o agrupamento por tópicos decorrem da mesma propriedade, uma vez que textos próximos em significado acabam próximos no espaço vetorial. A similaridade textual também abrange a desduplicação, a deteção de quase duplicados e a construção de pontuações de similaridade entre dois trechos de texto em inglês. Os pipelines de recuperação que alimentam um modelo de geração separado são outra aplicação natural, com o GTE-Base a tratar da parte de recuperação.

Pode chamá-lo através da API compatível com OpenAI do api14 usando o id de modelo thenlper/gte-base. Como o endpoint segue o formato OpenAI, pode apontar um cliente OpenAI existente para o api14 e enviar o seu texto como entrada da forma habitual. Note que este modelo não lista parâmetros suportados, portanto não há opções extra de amostragem ou geração para definir no pedido. Mantenha as suas entradas dentro do limite de contexto de 512 tokens e trate a resposta como vetores de embedding e não como conteúdo de mensagem.

A principal restrição a ter em conta é a janela de contexto de 512 tokens. É adequada para frases e parágrafos, mas documentos longos terão de ser divididos em blocos antes da incorporação, com a estratégia de divisão escolhida para preservar o significado entre fronteiras. Se a sua tarefa for geração de texto, sumarização ou qualquer coisa conversacional, um modelo de embeddings é a ferramenta errada e um modelo de chat será mais adequado. O GTE-Base destina-se a texto em inglês, portanto outros idiomas não são abrangidos pela descrição do fornecedor.