Thenlper: GTE-Large
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 clustering tasks. Trained via multi-stage contrastive learning on a large domain-diverse relevance corpus, it offers excellent performance across general-purpose embedding use-cases.
Fournisseurs
Ce modèle est hébergé par un seul fournisseur. OpenRouter transmet chaque requête sans routage.
| 0,01 $US | 0,19s |
Entrée 0,01 $US0,19 s de latence100,00 % de disponibilité
Tarification
Le prix moyen que les clients paient réellement pour ce modèle, à côté des prix affichés par les fournisseurs. Grâce à la mise en cache et aux remises, le prix réellement payé est souvent bien inférieur au prix affiché.
Moyenne pondérée
GTE-Large — Historique des prix
| 0,00817 $US | 0,00 $US | 0,0 % | 100,0 % |
- Prix effectif en entrée 0,00817 $US / Sortie effective 0,00 $USPart des jetons100,0 %
Performances
La latence est le temps nécessaire pour renvoyer la réponse complète (plus elle est faible, mieux c’est).
P50, meilleur fournisseur
Disponibilité
La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.
Disponibilité au cours des 3 derniers jours
72 dernières heuresDisponibilité au cours des dernières 24 heures
Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.
Applications
Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.
Activité
Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.
API
Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.
Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional
Questions fréquentes
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 clustering tasks.
GTE-Large coûte 0,01 $US/M tokens.
GTE-Large accepte jusqu’à 512 jetons par entrée. Les textes plus longs doivent être répartis sur plusieurs entrées.
GTE-Large accepte texte en entrée et renvoie vecteurs de plongement.
GTE-Large est servi par 1 fournisseur sur OpenRouter : DeepInfra.
GTE-Base est un autre modèle plongement vectoriel de Thenlper.
GTE-Large est sorti le 18 novembre 2025.