thenlper

Thenlper: GTE-Large

thenlper/gte-large

Nossa análise

Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.

thenlper/gte-large é um modelo de embeddings de texto focado em inglês que, segundo sua ficha no catálogo da OpenRouter, converte frases, parágrafos e documentos de extensão moderada em vetores densos de 1024 dimensões adequados para busca semântica, similaridade e reranking. Seu cartão de modelo reporta resultados de avaliação MTEB em tarefas de recuperação, classificação, agrupamento, reranking e similaridade textual semântica. O catálogo indica contexto de 512 tokens e modalidade texto-para-embeddings. Licença e requisitos de hardware não estão documentados na evidência fornecida.[1][2]

Pontos fortes

O cartão de modelo reporta resultados MTEB em recuperação, classificação, agrupamento, reranking e STS, indicando ampla cobertura de tarefas.[2]
O catálogo descreve embeddings densos de 1024 dimensões voltados a recuperação de informação, similaridade textual semântica e reranking.[1]
As tags do cartão sugerem compatibilidade com os ecossistemas sentence-transformers e sentence-similarity.[2]

Limitações

Documentado como modelo de embeddings em inglês; a capacidade multilíngue não está estabelecida na evidência fornecida.[1][2]
O contexto indicado é de 512 tokens, portanto documentos longos exigiriam fragmentação ou outro modelo.[1]
Licença, hardware e desempenho não estão documentados; as pontuações reportadas no cartão devem ser validadas na sua própria carga de trabalho.[1][2]

Onde usar

Candidato para busca semântica e recuperação de trechos em conteúdo em inglês, apoiado pelos resultados de recuperação MTEB reportados.[1][2]
Pode servir para detecção de perguntas duplicadas e pipelines de reranking, dadas as avaliações reportadas em reranking e STS.[1][2]
Opção plausível para protótipos de agrupamento e classificação de texto baseados em embeddings.[2]

Fontes

[1] OpenRouter catalog · Thenlper: GTE-LargeFontes consultadas: 13 de nov. de 2026
[2] Model documentation · Thenlper: GTE-LargeFontes consultadas: 13 de nov. de 2026

Sobre este modelo

A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.

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...

Especificações

ID do modelo: thenlper/gte-large
ID canônico: thenlper/gte-large-20251117
Criador: thenlper
Adicionado ao OpenRouter: 18.11.2025
Comprimento de contexto: 512
Modalidade: text->embeddings
Modalidades de entrada: text
Modalidades de saída: embeddings
Preço por token: USD por 1M de tokens: entrada $0.010 / saída $0
Corte de conhecimento: —
Data de expiração: —

Tarefas e capacidades

Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.

Tarefa	Nota	Capacidade declarada pela fonte
Qualidade geral	Sem medição	—
Programação	Sem medição	—
Agentes	Sem medição	—
Escrita	Sem medição	—
Raciocínio	Sem medição	—
Análise de documentos	Sem medição	—
Visão	Sem medição	—
Geração de imagens	Sem medição	—
Áudio	Sem medição	—
Vídeo	Sem medição	—
Embeddings	Sem medição	saída: embeddings

Avaliações

Não há avaliações fornecidas para este modelo.

Como funcionam as notas

Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.

S — S — top 10% da coorte
A — A — próximos 20% da coorte
B — B — próximos 30% da coorte
C — C — abaixo da faixa B

Provedores

Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.

Provedor	Comprimento de contexto	Preço entrada /1M	Preço saída /1M	Latência p50 (30m, s)	Taxa p50 (30m, tok/s)	Disponibilidade (30m)
DeepInfra	512	$0.010	$0	—	—	—

Dados de provedores obtidos: 13.11.2026

Nenhum artigo publicado identifica este modelo ainda.