跳转到内容
Alpha
  • 模型
  • 排行榜
  • Ori
联系销售

页脚

OpenRouterOpenRouter
© 2026 OpenRouter, Inc

产品

  • 聊天
  • 排行榜
  • 基准测试
  • 应用
  • 发现
  • 模型
  • Ori
  • 合集
  • 提供商
  • 工具
  • 定价
  • Business
  • Enterprise
  • 实验室

公司

  • 关于
  • 博客
  • 客户
  • 招聘
    招聘
  • 隐私
  • 服务条款
  • 信任中心
  • 支持
  • 兼容 OR
  • 数据
  • 品牌

开发者

  • 文档
  • API 参考
  • 开发者平台
  • 状态
  • AI 站点地图

连接

  • Discord
  • GitHub
  • LinkedIn
  • X
  • YouTube
thenlper 的网站图标

Thenlper: GTE-Base

thenlper/gte-base

模型权重

The gte-base embedding model encodes English sentences and paragraphs into a 768-dimensional dense vector space, delivering efficient and effective semantic embeddings optimized for textual similarity, semantic search, and clustering applications.

模态
价格
US$0.005/M tokens
上下文
512
发布时间
2025年11月18日
提供商定价性能正常运行时间应用活动常见问题探索

提供商

此模型由一家提供商托管。OpenRouter 将每个请求直接转发给该提供商，无需做出路由决策。

定价

客户为此模型实际支付的平均价格，与提供商公布的价格并列展示。由于缓存和折扣，实际支付的价格往往远低于标价。

性能

吞吐量是模型生成内容的速度（每秒 token 数，越高越好）。延迟是完整的往返时间（越低越好）。TTFT 是首个 token 的响应时间，即您看到内容出现前需要等待的时间（越低越好）。

正常运行时间

正常运行时间是指过去 3 天中至少有一家提供商响应请求的时间百分比。可用性是指成功提供推理服务的时间百分比。OpenRouter 会持续监控，并在某家提供商返回错误时使用次优提供商。

应用

向此模型发送最多流量的公开应用。这能很好地反映实际生产工作负载的情况，也能提示此模型最适合哪些用例。

活动

此模型的 token 用量和请求流量随时间的变化。

API

可直接用于调用此模型的代码。OpenRouter 的 API 与 OpenAI 兼容——大多数 SDK 只需替换基础 URL 即可使用。切换模型时，唯一需要更改的是下方的模型标识符。

目前无法通过 EU 区域内路由使用。 区域内路由文档

探索更多模型

文本嵌入模型集合嵌入模型排行榜排名
延迟
US$0.0050.80s
100.00%
延迟
0.80秒

P50，最佳提供商

正常运行时间（3 天）模型可访问。请求已路由至提供商。
100.00%
可用性（3 天）模型通过任意提供商返回了推理结果。错误和空响应均计为失败。
99.94%

过去 3 天的可用性

最近 72 小时
可用性 99.94%
3 天前2 天前昨天现在

过去 24 小时的可用性

OpenRouter Availability
99.88%

当上游提供商发生错误时，如果您的请求筛选条件允许，我们可以通过路由到另一家健康的提供商来恢复服务。您可以通过以下接口以编程方式访问各提供商的正常运行时间数据： 端点 API。了解更多有关我们的 负载均衡和提供商路由选项。

1.
https://sillytavern.app/ 的网站图标
SillyTavern
SillyTavern is the LLM frontend for power users, a chat interface that connects to any model and gives deep control through character creation, roleplay, and prompt customization.
4.48Mtoken
2.
https://orbita.surf/ 的网站图标
Orbita embedding benchmark
新增
1.79Mtoken
3.
https://github.com/hackerrank-orchestrate 的网站图标
HackerRank Support Triage Agent
新增
1.4Mtoken
4.
https://github.com/anthropics/claude-code 的网站图标
NextCode CLI
新增
794Ktoken
5.
https://os1.local/ 的网站图标
OS1 Real Business Brief
新增
354Ktoken

常见问题

The gte-base embedding model encodes English sentences and paragraphs into a 768-dimensional dense vector space, delivering efficient and effective semantic embeddings optimized for textual similarity, semantic search, and clustering applications.

GTE-Base 的费用为 US$0.005/M tokens。

GTE-Base 每次输入最多接受 512 个 token。更长的文本必须拆分为多次输入。

GTE-Base 接受 文本 作为输入，并返回 嵌入向量。

GTE-Large 是 Thenlper 推出的另一款 嵌入 模型。

GTE-Base 于 2025年11月18日 发布。

更多模型，来自 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.

嵌入US$0.01/M tokens