gte-base - API لـمصر، بالجنيه المصري
مباشرThe GTE models are trained by Alibaba DAMO Academy. They are mainly based on the BERT framework and currently offer three different sizes of models, including GTE-large, GTE-base, and GTE-small. The GTE models are trained on a large-scale corpus of relevance text pairs, covering a wide range of domains and scenarios. This enables the GTE models to be applied to various downstream tasks of text embeddings, including information retrieval, semantic textual similarity, text reranking, etc.
Modality
Embedding
Context window
512 Tokens
المنطقة
US
Weights
Weights مفتوحة
منشور
14 يوليو 2026
الأسعار
Input
0.29
ج.م لكل 1M Tokens
Output
—
ج.م لكل 1M Tokens
مثال على التكلفة الشهرية
14.7 ج.م
تقدير توضيحي: 50M Input tokens و15M Output tokens شهريًا وفق أسعار هذا الـ Model في الكتالوج.
استخدمه عبر واجهة API
يعمل gte-base مع أي SDK متوافقة مع OpenAI: وجّه الـ Base URL إلى https://backend.sovereigneg.com/v1 واستخدم مفتاح API الخاص بك من SovereignEG.
تشغيل خدمات الذكاء الاصطناعي
POST /v1/embeddings — متوافق مع OpenAI: استخدم seg-sdk الخاص بنا، أو أي OpenAI SDK كبديل مباشر.
from seg import SEG # pip install seg-sdk
client = SEG(api_key="YOUR_API_KEY")
response = client.embeddings.create(
model="gte-base",
input="The food was delicious and the waiter...",
encoding_format="float",
)
vector = response.data[0].embedding
print(f"dim={len(vector)}, first 8 dims: {vector[:8]}")from openai import OpenAI
client = OpenAI(
base_url="https://backend.sovereigneg.com/v1",
api_key="YOUR_API_KEY",
)
response = client.embeddings.create(
model="gte-base",
input="The food was delicious and the waiter...",
encoding_format="float",
)
vector = response.data[0].embedding
print(f"dim={len(vector)}, first 8 dims: {vector[:8]}")import OpenAI from "openai"
const client = new OpenAI({
baseURL: "https://backend.sovereigneg.com/v1",
apiKey: "YOUR_API_KEY",
})
const response = await client.embeddings.create({
model: "gte-base",
input: "The food was delicious and the waiter...",
encoding_format: "float",
})
const vector = response.data[0].embedding
console.log(`dim=${vector.length}, first 8 dims:`, vector.slice(0, 8))curl https://backend.sovereigneg.com/v1/embeddings \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gte-base",
"input": "The food was delicious and the waiter...",
"encoding_format": "float"
}'الأسئلة الشائعة
كم تكلفة gte-base؟
0.29 ج.م لكل 1M من Input tokens. يُحتسب الاستخدام لكل Token بالجنيه المصري، بلا أي التزام بحد أدنى.
ما حجم الـ Context window في gte-base؟
يدعم gte-base Context window بحجم 512 Tokens (512).
أين يُستضاف gte-base؟
يُخدَم gte-base من US (مستضاف في الولايات المتحدة).
هل gte-base Model بـ Weights مفتوحة؟
نعم، gte-base هو Model بـ Weights مفتوحة. وتستدعيه عبر واجهة API من SovereignEG مثل أي Model آخر في الكتالوج، مع محاسبة لكل Token بالجنيه المصري.
كيف أستخدم gte-base عبر واجهة API؟
gte-base متاح عبر واجهة API من SovereignEG المتوافقة مع OpenAI: وجّه الـ Base URL في الـ SDK لديك إلى https://backend.sovereigneg.com/v1، واستدعِ Endpoint /v1/embeddings مع Model ID gte-base ومفتاح API الخاص بك.