Το Mistral Embed 2312 είναι το μοντέλο embeddings κειμένου της Mistral AI για αριθμητική αναπαράσταση νοήματος. Δέχεται συμβολοσειρά κειμένου ή λίστα συμβολοσειρών και επιστρέφει embedding για κάθε είσοδο. Το αποτέλεσμα είναι διάνυσμα που χρησιμοποιεί η εφαρμογή για ομοιότητα, ανάκτηση, ταξινόμηση ή ομαδοποίηση αντί για εξήγηση συνομιλίας. Η σταθερή σελίδα μοντέλου του κατασκευαστή προσδιορίζει το mistral-embed-2312.
Είσοδος, συμφραζόμενα και σχήμα διανύσματος
Η ακριβής σελίδα μοντέλου τεκμηριώνει ετικέτα συμφραζομένων 8k. Προετοιμάστε κάθε στοιχείο κειμένου μέσα στην εφαρμοστέα χωρητικότητα εισόδου και κρατήστε την ταυτότητα του στοιχείου με το διάνυσμά του. Ένα μεγάλο έγγραφο πηγής μπορεί να διαιρεθεί σε χρήσιμα αποσπάσματα, διατηρώντας τον τίτλο εγγράφου, την ενότητα και τη θέση πηγής που χρειάζονται για να επιστραφεί αργότερα το σωστό υλικό.
Ο οδηγός Mistral Embed του κατασκευαστή ορίζει 1024 διαστάσεις για κάθε embedding κειμένου, ανεξάρτητα από το ορατό μήκος της εισόδου. Ένα σύντομο ερώτημα και ένα μεγαλύτερο απόσπασμα έχουν επομένως το ίδιο σχήμα διανύσματος παρότι διαφέρουν τα περιεχόμενα και τα πλήθη tokens τους. Αυτή είναι διάσταση αναπαράστασης εξόδου, όχι όριο tokens απάντησης ή μέτρο του πόσες λέξεις πηγής διατηρούνται.
Η τεκμηριωμένη απόκριση περιλαμβάνει τα embeddings και πληροφορίες χρήσης tokens· το παράδειγμα endpoint συνδέει κάθε διάνυσμα με δείκτη εισόδου. Διατηρήστε αυτή τη σύνδεση όταν επεξεργάζεστε πολλά κείμενα. Η εφαρμογή χρειάζεται το αρχικό κείμενο και τα αναγνωριστικά του, καθώς και το αριθμητικό αποτέλεσμα, για να δείξει χρήσιμο αποτέλεσμα αναζήτησης ή να παρέχει υλικό πηγής σε μεταγενέστερο βήμα.
Σημασιολογική ομοιότητα
Ο οδηγός εξηγεί ότι σχετικά κείμενα τείνουν να βρίσκονται κοντά στον χώρο embeddings. Αυτό υποστηρίζει την εύρεση αποσπασμάτων που χρησιμοποιούν διαφορετικές λέξεις για να εκφράσουν το ίδιο θέμα ή απαίτηση. Ένα ενδεικτικό ερώτημα βάσης γνώσης μπορεί να ρωτά πώς ανακτάται η πρόσβαση, ενώ η σχετική διαδικασία χρησιμοποιεί διαφορετική φράση για την ίδια ενέργεια. Η εφαρμογή μπορεί να συγκρίνει το διάνυσμα του ερωτήματος με αποθηκευμένα διανύσματα αποσπασμάτων αντί να βασίζεται μόνο σε ακριβή αντιστοίχιση λέξεων.
Τα παραδείγματα του κατασκευαστή χρησιμοποιούν embeddings κανονικοποιημένα σε μοναδιαίο μήκος. Για τέτοια διανύσματα, η ομοιότητα συνημιτόνου, το εσωτερικό γινόμενο και η ευκλείδεια απόσταση δίνουν συνεπείς κατατάξεις ομοιότητας, παρότι οι αριθμητικές τιμές τους δεν είναι ίδιες. Επιλέξτε μία κατάλληλη μέθοδο σύγκρισης και εφαρμόστε τη με συνέπεια στις αναπαραστάσεις ερωτήματος και εγγράφου.
Η ομοιότητα δεν αποδεικνύει ότι δύο δηλώσεις είναι εναλλάξιμες. Κρατήστε το κείμενο πηγής και εξετάστε τη συνθήκη, την ημερομηνία ή το αναγνωριστικό που έχει σημασία για το ερώτημα. Δύο αποσπάσματα μπορεί να αφορούν το ίδιο θέμα ενώ περιγράφουν διαφορετικές διαδικασίες ή εξαιρέσεις. Το embedding παρέχει σήμα ανάκτησης· η ερμηνεία του επιλεγμένου αποσπάσματος είναι χωριστό μέρος της εργασίας.
Ανάκτηση και απαντήσεις βασισμένες σε πηγές
Μια πρακτική ροή εγγράφων προετοιμάζει διανύσματα για αποσπάσματα βάσης γνώσης, αποθηκεύει τα αναγνωριστικά και το αρχικό κείμενό τους και έπειτα συγκρίνει ένα νέο ερώτημα με αυτή τη συλλογή. Επιστρέψτε τα σχετικά αποσπάσματα με τις θέσεις πηγής τους. Η εφαρμογή μπορεί να δείξει αυτά τα αποσπάσματα απευθείας ή να τα δώσει σε μοντέλο παραγωγής κειμένου που γράφει απάντηση θεμελιωμένη στο ανακτημένο υλικό.
Για χρήσιμο αποτέλεσμα αναζήτησης, κρατήστε τον τίτλο εγγράφου, την ενότητα, το απόσπασμα και το αναγνωριστικό που χρησιμοποιήθηκε για να βρεθεί. Ένας βοηθός υποστήριξης μπορεί κατόπιν να ανακτά τη διαδικασία που σχετίζεται με το ερώτημα χρήστη και να τη δίνει στο στάδιο σύνταξης απάντησης. Το Mistral Embed εκτελεί το βήμα αριθμητικής αναπαράστασης· δεν συντάσσει από μόνο του την τελική εξήγηση ούτε εκτελεί εξωτερική ενέργεια.
Άλλες τεκμηριωμένες χρήσεις
Ο κατασκευαστής αναφέρει επίσης ανίχνευση παραφράσεων, ταξινόμηση, ομαδοποίηση και επεξεργασία παρτίδων μεταξύ των ροών embeddings. Μια εργασία σύγκρισης μπορεί να ανακτά αποσπάσματα με σχετικό νόημα για έλεγχο. Μια ροή ταξινόμησης μπορεί να συγκρίνει είσοδο με παραδείγματα με ετικέτες ή να χρησιμοποιεί τα διανύσματα ως χαρακτηριστικά για χωριστό ταξινομητή. Μια ροή ομαδοποίησης μπορεί να συγκεντρώνει παρόμοια στοιχεία για μεταγενέστερη περιγραφή από άνθρωπο ή στο επίπεδο εφαρμογής.
Ορίστε τον σκοπό της αναπαράστασης πριν προετοιμάσετε τα δεδομένα. Ένα απόσπασμα για σημασιολογική αναζήτηση πρέπει να διατηρεί την πληροφορία που θα χρειαστεί κάποιος μετά την ανάκτηση· ένα παράδειγμα ταξινόμησης πρέπει να περιλαμβάνει τη διατύπωση που διακρίνει την κλάση. Κρατήστε την προετοιμασία συνεπή ώστε ένα ερώτημα και ένα αποθηκευμένο στοιχείο να αναπαριστούν συγκρίσιμο υλικό.
Όρια έκδοσης και εξόδου
Χρησιμοποιήστε την ίδια έκδοση μοντέλου και συμβατή αναπαράσταση για τα έγγραφα και τα ερωτήματά τους. Ένα διάνυσμα με ίδιο πλήθος συντεταγμένων από διαφορετικό μοντέλο δεν βρίσκεται αυτόματα στον ίδιο σημασιολογικό χώρο. Η αντικατάσταση μοντέλου ή αναπαράστασης απαιτεί τα αποθηκευμένα στοιχεία και τα ερωτήματα να παραμένουν ευθυγραμμισμένα.
Αυτή η εγγραφή περιγράφει είσοδο κειμένου και έξοδο αριθμητικού διανύσματος, με τα συμφραζόμενα 8k του κατασκευαστή και την τεκμηριωμένη αναπαράσταση 1024 διαστάσεων του Mistral Embed. Οι διαμορφώσιμες διαστάσεις και κβαντισμένες μορφές του Codestral Embed ανήκουν σε εκείνο το χωριστά ονομασμένο μοντέλο κώδικα και δεν πρέπει να θεωρούνται δεδομένες εδώ. Εικόνες, ήχος, παραγόμενο πεζό κείμενο και εκτέλεση εργαλείων είναι χωριστές δυνατότητες έξω από αυτό το αποτέλεσμα embeddings κειμένου.
", "aboutText": "Το Mistral Embed 2312 είναι το μοντέλο embeddings κειμένου της Mistral AI για αριθμητική αναπαράσταση νοήματος. Δέχεται συμβολοσειρά κειμένου ή λίστα συμβολοσειρών και επιστρέφει embedding για κάθε είσοδο. Το αποτέλεσμα είναι διάνυσμα που χρησιμοποιεί η εφαρμογή για ομοιότητα, ανάκτηση, ταξινόμηση ή ομαδοποίηση αντί για εξήγηση συνομιλίας. Η σταθερή σελίδα μοντέλου του κατασκευαστή προσδιορίζει το mistral-embed-2312.\n\nΕίσοδος, συμφραζόμενα και σχήμα διανύσματος\n\nΗ ακριβής σελίδα μοντέλου τεκμηριώνει ετικέτα συμφραζομένων 8k. Προετοιμάστε κάθε στοιχείο κειμένου μέσα στην εφαρμοστέα χωρητικότητα εισόδου και κρατήστε την ταυτότητα του στοιχείου με το διάνυσμά του. Ένα μεγάλο έγγραφο πηγής μπορεί να διαιρεθεί σε χρήσιμα αποσπάσματα, διατηρώντας τον τίτλο εγγράφου, την ενότητα και τη θέση πηγής που χρειάζονται για να επιστραφεί αργότερα το σωστό υλικό.\n\nΟ οδηγός Mistral Embed του κατασκευαστή ορίζει 1024 διαστάσεις για κάθε embedding κειμένου, ανεξάρτητα από το ορατό μήκος της εισόδου. Ένα σύντομο ερώτημα και ένα μεγαλύτερο απόσπασμα έχουν επομένως το ίδιο σχήμα διανύσματος παρότι διαφέρουν τα περιεχόμενα και τα πλήθη tokens τους. Αυτή είναι διάσταση αναπαράστασης εξόδου, όχι όριο tokens απάντησης ή μέτρο του πόσες λέξεις πηγής διατηρούνται.\n\nΗ τεκμηριωμένη απόκριση περιλαμβάνει τα embeddings και πληροφορίες χρήσης tokens· το παράδειγμα endpoint συνδέει κάθε διάνυσμα με δείκτη εισόδου. Διατηρήστε αυτή τη σύνδεση όταν επεξεργάζεστε πολλά κείμενα. Η εφαρμογή χρειάζεται το αρχικό κείμενο και τα αναγνωριστικά του, καθώς και το αριθμητικό αποτέλεσμα, για να δείξει χρήσιμο αποτέλεσμα αναζήτησης ή να παρέχει υλικό πηγής σε μεταγενέστερο βήμα.\n\nΣημασιολογική ομοιότητα\n\nΟ οδηγός εξηγεί ότι σχετικά κείμενα τείνουν να βρίσκονται κοντά στον χώρο embeddings. Αυτό υποστηρίζει την εύρεση αποσπασμάτων που χρησιμοποιούν διαφορετικές λέξεις για να εκφράσουν το ίδιο θέμα ή απαίτηση. Ένα ενδεικτικό ερώτημα βάσης γνώσης μπορεί να ρωτά πώς ανακτάται η πρόσβαση, ενώ η σχετική διαδικασία χρησιμοποιεί διαφορετική φράση για την ίδια ενέργεια. Η εφαρμογή μπορεί να συγκρίνει το διάνυσμα του ερωτήματος με αποθηκευμένα διανύσματα αποσπασμάτων αντί να βασίζεται μόνο σε ακριβή αντιστοίχιση λέξεων.\n\nΤα παραδείγματα του κατασκευαστή χρησιμοποιούν embeddings κανονικοποιημένα σε μοναδιαίο μήκος. Για τέτοια διανύσματα, η ομοιότητα συνημιτόνου, το εσωτερικό γινόμενο και η ευκλείδεια απόσταση δίνουν συνεπείς κατατάξεις ομοιότητας, παρότι οι αριθμητικές τιμές τους δεν είναι ίδιες. Επιλέξτε μία κατάλληλη μέθοδο σύγκρισης και εφαρμόστε τη με συνέπεια στις αναπαραστάσεις ερωτήματος και εγγράφου.\n\nΗ ομοιότητα δεν αποδεικνύει ότι δύο δηλώσεις είναι εναλλάξιμες. Κρατήστε το κείμενο πηγής και εξετάστε τη συνθήκη, την ημερομηνία ή το αναγνωριστικό που έχει σημασία για το ερώτημα. Δύο αποσπάσματα μπορεί να αφορούν το ίδιο θέμα ενώ περιγράφουν διαφορετικές διαδικασίες ή εξαιρέσεις. Το embedding παρέχει σήμα ανάκτησης· η ερμηνεία του επιλεγμένου αποσπάσματος είναι χωριστό μέρος της εργασίας.\n\nΑνάκτηση και απαντήσεις βασισμένες σε πηγές\n\nΜια πρακτική ροή εγγράφων προετοιμάζει διανύσματα για αποσπάσματα βάσης γνώσης, αποθηκεύει τα αναγνωριστικά και το αρχικό κείμενό τους και έπειτα συγκρίνει ένα νέο ερώτημα με αυτή τη συλλογή. Επιστρέψτε τα σχετικά αποσπάσματα με τις θέσεις πηγής τους. Η εφαρμογή μπορεί να δείξει αυτά τα αποσπάσματα απευθείας ή να τα δώσει σε μοντέλο παραγωγής κειμένου που γράφει απάντηση θεμελιωμένη στο ανακτημένο υλικό.\n\nΓια χρήσιμο αποτέλεσμα αναζήτησης, κρατήστε τον τίτλο εγγράφου, την ενότητα, το απόσπασμα και το αναγνωριστικό που χρησιμοποιήθηκε για να βρεθεί. Ένας βοηθός υποστήριξης μπορεί κατόπιν να ανακτά τη διαδικασία που σχετίζεται με το ερώτημα χρήστη και να τη δίνει στο στάδιο σύνταξης απάντησης. Το Mistral Embed εκτελεί το βήμα αριθμητικής αναπαράστασης· δεν συντάσσει από μόνο του την τελική εξήγηση ούτε εκτελεί εξωτερική ενέργεια.\n\nΆλλες τεκμηριωμένες χρήσεις\n\nΟ κατασκευαστής αναφέρει επίσης ανίχνευση παραφράσεων, ταξινόμηση, ομαδοποίηση και επεξεργασία παρτίδων μεταξύ των ροών embeddings. Μια εργασία σύγκρισης μπορεί να ανακτά αποσπάσματα με σχετικό νόημα για έλεγχο. Μια ροή ταξινόμησης μπορεί να συγκρίνει είσοδο με παραδείγματα με ετικέτες ή να χρησιμοποιεί τα διανύσματα ως χαρακτηριστικά για χωριστό ταξινομητή. Μια ροή ομαδοποίησης μπορεί να συγκεντρώνει παρόμοια στοιχεία για μεταγενέστερη περιγραφή από άνθρωπο ή στο επίπεδο εφαρμογής.\n\nΟρίστε τον σκοπό της αναπαράστασης πριν προετοιμάσετε τα δεδομένα. Ένα απόσπασμα για σημασιολογική αναζήτηση πρέπει να διατηρεί την πληροφορία που θα χρειαστεί κάποιος μετά την ανάκτηση· ένα παράδειγμα ταξινόμησης πρέπει να περιλαμβάνει τη διατύπωση που διακρίνει την κλάση. Κρατήστε την προετοιμασία συνεπή ώστε ένα ερώτημα και ένα αποθηκευμένο στοιχείο να αναπαριστούν συγκρίσιμο υλικό.\n\nΌρια έκδοσης και εξόδου\n\nΧρησιμοποιήστε την ίδια έκδοση μοντέλου και συμβατή αναπαράσταση για τα έγγραφα και τα ερωτήματά τους. Ένα διάνυσμα με ίδιο πλήθος συντεταγμένων από διαφορετικό μοντέλο δεν βρίσκεται αυτόματα στον ίδιο σημασιολογικό χώρο. Η αντικατάσταση μοντέλου ή αναπαράστασης απαιτεί τα αποθηκευμένα στοιχεία και τα ερωτήματα να παραμένουν ευθυγραμμισμένα.\n\nΑυτή η εγγραφή περιγράφει είσοδο κειμένου και έξοδο αριθμητικού διανύσματος, με τα συμφραζόμενα 8k του κατασκευαστή και την τεκμηριωμένη αναπαράσταση 1024 διαστάσεων του Mistral Embed. Οι διαμορφώσιμες διαστάσεις και κβαντισμένες μορφές του Codestral Embed ανήκουν σε εκείνο το χωριστά ονομασμένο μοντέλο κώδικα και δεν πρέπει να θεωρούνται δεδομένες εδώ. Εικόνες, ήχος, παραγόμενο πεζό κείμενο και εκτέλεση εργαλείων είναι χωριστές δυνατότητες έξω από αυτό το αποτέλεσμα embeddings κειμένου.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "166f6aed84f07c59d14535bd7a30305d5d219dcdef5349d7415bfd9943584101", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "el", "methods": [ { "html": "mistralai/mistral-embed-2312Το Mistral Embed 2312 μετατρέπει κείμενο σε διανύσματα 1024 διαστάσεων για σημασιολογική αναζήτηση, ανάκτηση και ανάλυση σχετικών κειμένων. Η σελίδα του κατασκευαστή τεκμηριώνει συμφραζόμενα 8k· το αποτέλεσμα είναι αριθμητική αναπαράσταση συνδεδεμένη με κάθε είσοδο, αντί για παραγόμενη απάντηση.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Mistral Embed 2312 είναι το μοντέλο embeddings κειμένου της Mistral AI για αριθμητική αναπαράσταση νοήματος. Δέχεται συμβολοσειρά κειμένου ή λίστα συμβολοσειρών και επιστρέφει embedding για κάθε είσοδο. Το αποτέλεσμα είναι διάνυσμα που χρησιμοποιεί η εφαρμογή για ομοιότητα, ανάκτηση, ταξινόμηση ή ομαδοποίηση αντί για εξήγηση συνομιλίας. Η σταθερή σελίδα μοντέλου του κατασκευαστή προσδιορίζει το mistral-embed-2312.
Είσοδος, συμφραζόμενα και σχήμα διανύσματος
Η ακριβής σελίδα μοντέλου τεκμηριώνει ετικέτα συμφραζομένων 8k. Προετοιμάστε κάθε στοιχείο κειμένου μέσα στην εφαρμοστέα χωρητικότητα εισόδου και κρατήστε την ταυτότητα του στοιχείου με το διάνυσμά του. Ένα μεγάλο έγγραφο πηγής μπορεί να διαιρεθεί σε χρήσιμα αποσπάσματα, διατηρώντας τον τίτλο εγγράφου, την ενότητα και τη θέση πηγής που χρειάζονται για να επιστραφεί αργότερα το σωστό υλικό.
Ο οδηγός Mistral Embed του κατασκευαστή ορίζει 1024 διαστάσεις για κάθε embedding κειμένου, ανεξάρτητα από το ορατό μήκος της εισόδου. Ένα σύντομο ερώτημα και ένα μεγαλύτερο απόσπασμα έχουν επομένως το ίδιο σχήμα διανύσματος παρότι διαφέρουν τα περιεχόμενα και τα πλήθη tokens τους. Αυτή είναι διάσταση αναπαράστασης εξόδου, όχι όριο tokens απάντησης ή μέτρο του πόσες λέξεις πηγής διατηρούνται.
Η τεκμηριωμένη απόκριση περιλαμβάνει τα embeddings και πληροφορίες χρήσης tokens· το παράδειγμα endpoint συνδέει κάθε διάνυσμα με δείκτη εισόδου. Διατηρήστε αυτή τη σύνδεση όταν επεξεργάζεστε πολλά κείμενα. Η εφαρμογή χρειάζεται το αρχικό κείμενο και τα αναγνωριστικά του, καθώς και το αριθμητικό αποτέλεσμα, για να δείξει χρήσιμο αποτέλεσμα αναζήτησης ή να παρέχει υλικό πηγής σε μεταγενέστερο βήμα.
Σημασιολογική ομοιότητα
Ο οδηγός εξηγεί ότι σχετικά κείμενα τείνουν να βρίσκονται κοντά στον χώρο embeddings. Αυτό υποστηρίζει την εύρεση αποσπασμάτων που χρησιμοποιούν διαφορετικές λέξεις για να εκφράσουν το ίδιο θέμα ή απαίτηση. Ένα ενδεικτικό ερώτημα βάσης γνώσης μπορεί να ρωτά πώς ανακτάται η πρόσβαση, ενώ η σχετική διαδικασία χρησιμοποιεί διαφορετική φράση για την ίδια ενέργεια. Η εφαρμογή μπορεί να συγκρίνει το διάνυσμα του ερωτήματος με αποθηκευμένα διανύσματα αποσπασμάτων αντί να βασίζεται μόνο σε ακριβή αντιστοίχιση λέξεων.
Τα παραδείγματα του κατασκευαστή χρησιμοποιούν embeddings κανονικοποιημένα σε μοναδιαίο μήκος. Για τέτοια διανύσματα, η ομοιότητα συνημιτόνου, το εσωτερικό γινόμενο και η ευκλείδεια απόσταση δίνουν συνεπείς κατατάξεις ομοιότητας, παρότι οι αριθμητικές τιμές τους δεν είναι ίδιες. Επιλέξτε μία κατάλληλη μέθοδο σύγκρισης και εφαρμόστε τη με συνέπεια στις αναπαραστάσεις ερωτήματος και εγγράφου.
Η ομοιότητα δεν αποδεικνύει ότι δύο δηλώσεις είναι εναλλάξιμες. Κρατήστε το κείμενο πηγής και εξετάστε τη συνθήκη, την ημερομηνία ή το αναγνωριστικό που έχει σημασία για το ερώτημα. Δύο αποσπάσματα μπορεί να αφορούν το ίδιο θέμα ενώ περιγράφουν διαφορετικές διαδικασίες ή εξαιρέσεις. Το embedding παρέχει σήμα ανάκτησης· η ερμηνεία του επιλεγμένου αποσπάσματος είναι χωριστό μέρος της εργασίας.
Ανάκτηση και απαντήσεις βασισμένες σε πηγές
Μια πρακτική ροή εγγράφων προετοιμάζει διανύσματα για αποσπάσματα βάσης γνώσης, αποθηκεύει τα αναγνωριστικά και το αρχικό κείμενό τους και έπειτα συγκρίνει ένα νέο ερώτημα με αυτή τη συλλογή. Επιστρέψτε τα σχετικά αποσπάσματα με τις θέσεις πηγής τους. Η εφαρμογή μπορεί να δείξει αυτά τα αποσπάσματα απευθείας ή να τα δώσει σε μοντέλο παραγωγής κειμένου που γράφει απάντηση θεμελιωμένη στο ανακτημένο υλικό.
Για χρήσιμο αποτέλεσμα αναζήτησης, κρατήστε τον τίτλο εγγράφου, την ενότητα, το απόσπασμα και το αναγνωριστικό που χρησιμοποιήθηκε για να βρεθεί. Ένας βοηθός υποστήριξης μπορεί κατόπιν να ανακτά τη διαδικασία που σχετίζεται με το ερώτημα χρήστη και να τη δίνει στο στάδιο σύνταξης απάντησης. Το Mistral Embed εκτελεί το βήμα αριθμητικής αναπαράστασης· δεν συντάσσει από μόνο του την τελική εξήγηση ούτε εκτελεί εξωτερική ενέργεια.
Άλλες τεκμηριωμένες χρήσεις
Ο κατασκευαστής αναφέρει επίσης ανίχνευση παραφράσεων, ταξινόμηση, ομαδοποίηση και επεξεργασία παρτίδων μεταξύ των ροών embeddings. Μια εργασία σύγκρισης μπορεί να ανακτά αποσπάσματα με σχετικό νόημα για έλεγχο. Μια ροή ταξινόμησης μπορεί να συγκρίνει είσοδο με παραδείγματα με ετικέτες ή να χρησιμοποιεί τα διανύσματα ως χαρακτηριστικά για χωριστό ταξινομητή. Μια ροή ομαδοποίησης μπορεί να συγκεντρώνει παρόμοια στοιχεία για μεταγενέστερη περιγραφή από άνθρωπο ή στο επίπεδο εφαρμογής.
Ορίστε τον σκοπό της αναπαράστασης πριν προετοιμάσετε τα δεδομένα. Ένα απόσπασμα για σημασιολογική αναζήτηση πρέπει να διατηρεί την πληροφορία που θα χρειαστεί κάποιος μετά την ανάκτηση· ένα παράδειγμα ταξινόμησης πρέπει να περιλαμβάνει τη διατύπωση που διακρίνει την κλάση. Κρατήστε την προετοιμασία συνεπή ώστε ένα ερώτημα και ένα αποθηκευμένο στοιχείο να αναπαριστούν συγκρίσιμο υλικό.
Όρια έκδοσης και εξόδου
Χρησιμοποιήστε την ίδια έκδοση μοντέλου και συμβατή αναπαράσταση για τα έγγραφα και τα ερωτήματά τους. Ένα διάνυσμα με ίδιο πλήθος συντεταγμένων από διαφορετικό μοντέλο δεν βρίσκεται αυτόματα στον ίδιο σημασιολογικό χώρο. Η αντικατάσταση μοντέλου ή αναπαράστασης απαιτεί τα αποθηκευμένα στοιχεία και τα ερωτήματα να παραμένουν ευθυγραμμισμένα.
Αυτή η εγγραφή περιγράφει είσοδο κειμένου και έξοδο αριθμητικού διανύσματος, με τα συμφραζόμενα 8k του κατασκευαστή και την τεκμηριωμένη αναπαράσταση 1024 διαστάσεων του Mistral Embed. Οι διαμορφώσιμες διαστάσεις και κβαντισμένες μορφές του Codestral Embed ανήκουν σε εκείνο το χωριστά ονομασμένο μοντέλο κώδικα και δεν πρέπει να θεωρούνται δεδομένες εδώ. Εικόνες, ήχος, παραγόμενο πεζό κείμενο και εκτέλεση εργαλείων είναι χωριστές δυνατότητες έξω από αυτό το αποτέλεσμα embeddings κειμένου.
POST /v1/embeddingstext, token_idsembedding| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια mistralai/mistral-embed-2312 | Προεπιλογή— |
Πεδίοinput | Τύποςstring|string[]|integer[]|integer[][] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 Συνθήκες: Μη κενή ομοιογενής παρτίδα. Τα ID των token είναι μη αρνητικοί ακέραιοι. Προϋπολογισμός εισόδου: Μέγιστο: 8.192 · Μονάδα κειμένου: byte UTF8 · Μονάδα token: στοιχεία πίνακα token | Προεπιλογή— |
Πεδίοencoding_format | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια float | Προεπιλογήfloat |
Πεδίοdimensions | Τύποςinteger | ΑπαίτησηΔεν υποστηρίζεται | Τιμές και όρια Ελάχιστο: 1 | Προεπιλογή— |
Πεδίοuser | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
Πεδίοsession_id | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
Πεδίοtrace | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίφθηκε | Προεπιλογή— |
text_to_embedding
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, input |
Παράμετροςinput_shapes | Σύμβασηstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Παράμετροςencoding_format | Σύμβασηfloat |
Παράμετροςdimensions_override | Σύμβασηfalse |
Παράμετροςmax_input_budget_units | Σύμβαση8192 |
Παράμετροςmultimodal_objects | Σύμβασηfalse |
Παράμετροςmaterial_types | Σύμβασηtext, token_ids |
Κύκλος ζωής: synchronous_json
Διατηρήστε τον δείκτη και τη διάσταση κάθε διανύσματος.
Το όνομα πολυτροπικού μοντέλου δεν επιτρέπει αντικείμενα εικόνας σε αυτήν ακριβώς τη διαδρομή.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.0002 / 1K token Έξοδος · Token εξόδου $0 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-embed-2312", "input": ["First document", "Second document"]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.embeddings.create(model='mistralai/mistral-embed-2312',input=["First document","Second document"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\njson
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε διάνυσμα με τον δείκτη του. Το πλήθος των διανυσμάτων πρέπει να ισούται με το πλήθος των στοιχείων εισόδου· οι διαστάσεις πρέπει να είναι συνεπείς.
Δεν εισάγεται endpoint εργασιών ενσωμάτωσης.
| Πεδίο | Τύπος |
|---|---|
Πεδίοobject | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοdata[].index | Τύποςinteger |
Πεδίοdata[].embedding | Τύποςfinite float[] |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra mistralai/mistral-embed-2312
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.