bge large en v1.5
неофициальнаяembedding
Характеристики bge large en v1.5
| Контекстное окно | 512 |
|---|---|
| Максимум токенов в ответе | — |
| Дата релиза | — |
| Входящие данные | Текст |
| Исходящие данные | Вектор |
Цены bge large en v1.5 в рублях
Оплата производится по факту, за использованные токены и единицы. Итоговая стоимость запроса возвращается в ответе API.
| Тип | Стоимость |
|---|---|
| Входящие токены | 26,52 ₽ за 1M токенов |
Цены указаны в рублях и могут меняться в зависимости от курса валют.
Что умеет bge large en v1.5
- Потоковый ответ
API bge large en v1.5: подключение и примеры кода
Сервис предоставляет единый API, совместимый с OpenAI SDK. Укажите наш base_url и ключ, полученный в личном кабинете.
OpenAI Python SDK
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.neuralbridge.ru/v1")
result = client.embeddings.create(model="baai/bge-large-en-v1.5-08130", input="Текст для векторизации")
print(len(result.data[0].embedding))cURL
curl https://api.neuralbridge.ru/v1/embeddings \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "baai/bge-large-en-v1.5-08130", "input": "Текст для векторизации"}'Эндпоинты API
POST /v1/embeddingsосновной | Embeddings Векторное представление текста для поиска, кластеризации и оценки близости. |
Поддерживаемые параметры запроса
| Параметр | По умолчанию | Допустимые значения | Описание |
|---|---|---|---|
dimensions | — | — | Размерность вектора эмбеддинга: короче вектор — меньше места и быстрее поиск, но грубее сходство. |
encoding_format | float | — | Как отдать вектор: массивом чисел или строкой base64. |