thenlper
Thenlper: GTE-Large
thenlper/gte-large
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
thenlper/gte-large es un modelo de embeddings de texto centrado en inglés que, según su ficha en el catálogo de OpenRouter, convierte frases, párrafos y documentos de longitud moderada en vectores densos de 1024 dimensiones aptos para búsqueda semántica, similitud y reranking. Su tarjeta de modelo reporta resultados de evaluación MTEB en tareas de recuperación, clasificación, clustering, reranking y similitud textual semántica. El catálogo indica un contexto de 512 tokens y modalidad texto-a-embeddings. La licencia y los requisitos de hardware no están documentados en la evidencia aportada.[1][2]
Puntos fuertes
- La tarjeta de modelo reporta resultados MTEB en recuperación, clasificación, clustering, reranking y STS, lo que indica una cobertura amplia de tareas.[2]
- El catálogo describe embeddings densos de 1024 dimensiones orientados a recuperación de información, similitud textual semántica y reranking.[1]
- Las etiquetas de la tarjeta sugieren compatibilidad con los ecosistemas sentence-transformers y sentence-similarity.[2]
Limitaciones
- Está documentado como modelo de embeddings en inglés; la capacidad multilingüe no queda establecida en la evidencia aportada.[1][2]
- El contexto indicado es de 512 tokens, por lo que documentos largos requerirían fragmentación u otro modelo.[1]
- Licencia, hardware y rendimiento no están documentados; las puntuaciones reportadas en la tarjeta deberían validarse con tu propia carga de trabajo.[1][2]
Dónde utilizarlo
- Candidato para búsqueda semántica y recuperación de pasajes en contenido inglés, respaldado por los resultados de recuperación MTEB reportados.[1][2]
- Puede encajar en detección de preguntas duplicadas y pipelines de reranking, dadas las evaluaciones reportadas en reranking y STS.[1][2]
- Opción plausible para prototipos de clustering y clasificación de texto basados en embeddings.[2]
Fuentes
- [1] OpenRouter catalog · Thenlper: GTE-LargeFuentes consultadas: 13 nov 2026
- [2] Model documentation · Thenlper: GTE-LargeFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
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...
Especificaciones
- ID del modelo
- thenlper/gte-large
- ID canónico
- thenlper/gte-large-20251117
- Creador
- thenlper
- Añadido a OpenRouter
- 18.11.2025
- Longitud de contexto
- 512
- Modalidad
- text->embeddings
- Modalidades de entrada
- text
- Modalidades de salida
- embeddings
- Precio por token
- USD por 1M de tokens: entrada $0.010 / salida $0
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | — |
| Programación | Sin medición | — |
| Agentes | Sin medición | — |
| Escritura | Sin medición | — |
| Razonamiento | Sin medición | — |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | salida: embeddings |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| DeepInfra | 512 | $0.010 | $0 | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.