Çerez kullanıyoruz. Çerezler ve tarayıcı depolaması oturumunu açık tutar ve tercihlerini hatırlar. İzin verirsen sitenin nasıl kullanıldığını da ölçeriz. İstediğin zaman . Ayrıntılar için çerez politikamıza bak.

Yeni misin? Nasıl çalıştığına bak Oyun alanı, modeller ve API anahtarın için 1 dakikalık tur.

all-mpnet-base-v2 vs GTE-Base: API fiyatı, bağlam ve özellikler · api14

Sentence Transformers: all-mpnet-base-v2 karşı Thenlper: GTE-Base

Sentence Transformers: all-mpnet-base-v2 ($0,02 / 1M token (≈ ₺0,88)) ve Thenlper: GTE-Base ($0,02 / 1M token (≈ ₺0,88)) modellerinin api14 kataloğundaki güncel USD fiyatları ve yetenekleriyle yan yana karşılaştırması. İkisi de aynı OpenAI uyumlu API üzerinden çalışır.

Teknik özellikler

	Sentence Transformers: all-mpnet-base-v2	Thenlper: GTE-Base
Sağlayıcı	Sentence Transformers	Thenlper
Girdi	$0,02 / 1M token (≈ ₺0,88)	$0,02 / 1M token (≈ ₺0,88)
Bağlam penceresi	512	512
Maks. çıktı	460	460
Girdi	text	text
Çıktı	embeddings	embeddings
Araç çağırma
Yapılandırılmış çıktı
Akıl yürütme kontrolü
Eklenme	17 Kas 2025	18 Kas 2025

Temel farklar

İkisinin girdi fiyatı da hemen hemen aynı.

Ayrıntılı bakış

Sentence Transformers: all-mpnet-base-v2, Sentence Transformers tarafından sunulan bir embedding modelidir ve Thenlper: GTE-Base, Thenlper tarafından sunulan bir embedding modelidir. Her ikisi de embeddings kategorisinde yer alır, yani üretilen metin yerine metin alıp vektör döndürürler. Amaç bakımından birbirine çok yakın kardeştirler, Kasım 2025'te bir gün arayla yayımlanmışlardır ve aynı işe yöneliktirler: bir metin parçasını saklayabileceğiniz, karşılaştırabileceğiniz veya arayabileceğiniz sayısal bir temsile dönüştürmek.

Planlama açısından önemli olan teknik özelliklerde ikisi fiilen aynıdır. Her ikisi de yalnızca metin kabul eder ve yalnızca embedding döndürür, dolayısıyla hiçbiri görüntü, ses veya başka bir modaliteyi işlemez. Her ikisinin de bağlam penceresi 512 tokendır, bu aynı üst sınırdır, yani burada daha uzun pasajları tek bir çağrıda embed etmenize olanak tanıyan bir model yoktur. Hiçbiri desteklenen parametre listelemez, dolayısıyla ek ayar sunan bir model ile sunmayan bir model arasında seçim yapmıyorsunuz. Niteliksel karşılaştırma, girdi fiyatlandırmasını berabere olarak işaretler ve diğer karşılaştırma alanları ya anlamlı biçimde farklı değildir ya da bilinmiyordur, bu nedenle sağlanan olgularda hiçbir şey onları yetenek, bağlam veya maliyet kademesi açısından ayırmaz.

Geriye seçimin bir özellik kontrol listesine değil, kendi değerlendirmenize dayanması kalır. İki model şekil olarak birbirine çok yakın olduğundan, mantıklı yaklaşım gerçek verinizde hangisi daha iyi performans gösteriyorsa onu seçmektir. Anlamsal arama, tekilleştirme, kümeleme veya kısa metin parçaları üzerinde erişim kuruyorsanız, her iki model de kodlayıcı olarak hizmet edebilir ve belirleyici faktör, vektörlerinin sizin özel sorgularınızı ve belgelerinizi ne kadar iyi ayırdığı olacaktır. Gerçek çiftlerinizden bir örneği her ikisinden de geçirin, erişim kalitesini veya benzerlik sıralamasını karşılaştırın ve kararı buna bırakın. Eğer her iki yönde de güçlü bir sinyaliniz yoksa, girdi fiyatlandırmasındaki beraberlik, sizi birine diğerine kıyasla iten bir maliyet argümanı olmadığı anlamına gelir.

Her iki modeli api14 üzerinden çağırmak aynı işlemdir. API, OpenAI uyumludur, dolayısıyla mevcut istemcinizi embeddings uç noktasına yönlendirir ve kodlanmasını istediğiniz metni iletirsiniz. İkisi arasında değişen tek şey model id değeridir: Sentence Transformers modeli için sentence-transformers/all-mpnet-base-v2 veya Thenlper modeli için thenlper/gte-base kullanın. İstekteki diğer her şey olduğu gibi kalır, bu da aralarında geçiş yapmayı tek satırlık bir değişiklik haline getirir ve yan yana karşılaştırmayı kolaylaştırır.

Sağlanan olgularda bir modelin diğerine göre açıkça daha iyi seçim olduğu bir durum yoktur. Aynı bağlam uzunluğunu, aynı girdi ve çıktı modalitelerini, desteklenen parametrelerin aynı şekilde bulunmayışını ve girdi fiyatlandırmasında beraberliği paylaşırlar. Daha sonra birinin alanınızı daha iyi işlediğini fark ederseniz, bu bulgu ikisi arasında belgelenmiş bir farktan değil, kendi testinizden gelecektir.

Tek bir metinle geçiş yap

İki model de aynı uç noktayı ve istek yapısını kullanır. model değerini "sentence-transformers/all-mpnet-base-v2" yerine "thenlper/gte-base" yap, istemler, akış ve araçlar çalışmaya devam eder.

Sentence Transformers: all-mpnet-base-v2 ayrıntıları ve oyun alanı →Thenlper: GTE-Base ayrıntıları ve oyun alanı →

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": "thenlper/gte-base",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

Sentence Transformers: all-mpnet-base-v2 karşı Thenlper: GTE-Base

Teknik özellikler

Temel farklar

Ayrıntılı bakış

Tek bir metinle geçiş yap

Diğer karşılaştırmalar