Source: https://ailoot.ai/models/es-mx/intfloat-multilingual-e5-large/ Canonical: https://ailoot.ai/models/es-mx/intfloat-multilingual-e5-large/ Language: es-mx # Intfloat: Multilingual-E5-Large [Markdown](https://ailoot.ai/models/es-mx/intfloat-multilingual-e5-large/index.md) · [JSON](https://ailoot.ai/models/es-mx/intfloat-multilingual-e5-large/facts.json) ## [Intfloat: Multilingual-E5-Large](https://ailoot.ai/models/es-mx/intfloat-multilingual-e5-large/) intfloat Multilingual-E5-Large codifica texto multilingüe en vectores de 1024 dimensiones con un modelo de 24 capas. Admite el alcance de cien idiomas de XLM-R, utiliza prefijos en inglés de consulta/pasaje para todos los idiomas y trunca las entradas a 512 tokens. - [**Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` `intfloat/multilingual-e5-large`](https://ailoot.ai/models/es-mx/intfloat-multilingual-e5-large/#method-0) Sobre el modelo Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado. Multilingual-E5-Large es el modelo multilingüe de embeddings densos de texto de intfloat, con veinticuatro capas y una salida de 1024 dimensiones. Se inicializa a partir de XLM-RoBERTa Large y continúa su entrenamiento con datos multilingües. La ficha del modelo describe la compatibilidad con el alcance de cien idiomas de XLM-R y señala un rendimiento inferior en idiomas con pocos recursos. Sus vectores representan texto para recuperación, comparación semántica y tareas con características numéricas. #### Conserva el rol de entrada en todos los idiomas Los prefijos utilizados en el entrenamiento son «query:» y «passage:», también para texto que no está en inglés. Una consulta de recuperación y los pasajes de su corpus utilizan sus roles correspondientes. Los prefijos siguen siendo esas cadenas en inglés, mientras que la formulación de origen conserva su propio idioma. Para similaridad semántica simétrica, recuperación de paráfrasis, minería de textos bilingües o uso como características, el fabricante recomienda «query:». Una colección práctica puede contener documentación en varios idiomas compatibles. Conserva el idioma, el texto original y la ubicación de origen de cada pasaje junto con su vector. Prepara preguntas de búsqueda reales del público, en lugar de suponer que una prueba en inglés representa toda la colección. La salida debe devolver el pasaje real y su contexto para que el lector pueda evaluar lo que dice. Para una tarea de correspondencia multilingüe, mantén claro el propósito de la comparación. Un par candidato de traducciones y una consulta que busca un pasaje de respaldo son preparaciones distintas. Las indicaciones del modelo sobre prefijos de rol aportan una convención concreta para esas tareas; omitir el prefijo no es el equivalente documentado porque cambia el patrón de entrada utilizado durante el entrenamiento. #### Pooling y comparación de vectores El ejemplo del fabricante calcula la media de las representaciones de tokens utilizando una máscara de atención para excluir el relleno y después normaliza el vector. Los productos escalares normalizados proporcionan similaridad del coseno. El array de 1024 dimensiones representa un texto preparado. Mantén el modelo exacto y la preparación asociados a los vectores almacenados, para que las consultas posteriores utilicen la representación correspondiente. Estos vectores pueden aportar clasificaciones ordenadas de candidatos o características para una etapa posterior de agrupación o clasificación. No traducen la fuente ni redactan una respuesta. Devuelve el texto del pasaje subyacente cuando un resultado de recuperación deba servir de apoyo a un lector o a una etapa posterior de generación RAG. #### Entrenamiento y cobertura lingüística La ficha del modelo documenta un preentrenamiento contrastivo con supervisión débil seguido de un ajuste supervisado. La preparación multilingüe incluye material como pares de título y pasaje, pares conversacionales y pares de traducción, mientras que los datos etiquetados de recuperación y comprensión del lenguaje aportan la etapa posterior. Esto explica las tareas previstas de representación textual sin establecer un rendimiento igual en todos los idiomas. El fabricante identifica expresamente como limitación la degradación en idiomas con pocos recursos. Comprueba los idiomas y la formulación reales de la colección, incluidas abreviaturas, nombres y vocabulario especializado. La etiqueta multilingüe es una descripción útil del alcance; la relevancia del texto devuelto sigue necesitando una evaluación para el público y la tarea. #### Longitud y resultados útiles Las entradas largas se truncan a un máximo de 512 tokens. Prepara un documento extenso como pasajes coherentes, incluyendo el prefijo de rol y los encabezados pertinentes. Conserva las definiciones y los matices junto a la afirmación a la que afectan, y mantén fuera del vector un identificador del documento principal y la versión de origen. El fabricante recomienda centrarse en el orden relativo de las puntuaciones de coseno, en lugar de tratar un valor absoluto como una medida universal de confianza. Un resultado útil es un conjunto de pasajes candidatos, representaciones textuales comparables o características vinculadas a sus registros originales. Este modelo exacto sigue siendo distinto de los checkpoints E5 v2 exclusivamente en inglés y de las variantes E5 ajustadas con instrucciones, incluso cuando otro modelo también devuelve 1024 valores. **Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` `intfloat/multilingual-e5-large` [`intfloat/multilingual-e5-large`](https://ailoot.ai/models/es-mx/#m=intfloat%2Fmultilingual-e5-large&route=Ultra&caller=intfloat%2Fmultilingual-e5-large&fmt=embeddings) Intfloat /`intfloat/multilingual-e5-large` ### Inicio intfloat Multilingual-E5-Large codifica texto multilingüe en vectores de 1024 dimensiones con un modelo de 24 capas. Admite el alcance de cien idiomas de XLM-R, utiliza prefijos en inglés de consulta/pasaje para todos los idiomas y trunca las entradas a 512 tokens. Entradas aceptadas Texto · token\_ids Resultados embedding ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` Entrada `text`, `token_ids` Salida `embedding` Contexto 512 tokens Formato de salida json | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites intfloat/multilingual-e5-large | Predeterminado— | | Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 Condiciones: Lote homogéneo no vacío. Los ID de tokens son números enteros no negativos. Presupuesto de entrada: Máximo: 512 · Unidad de texto: bytes UTF8 · Unidad de tokens: elementos de un arreglo de tokens | Predeterminado— | | Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores y límites float | Predeterminadofloat | | Campo`dimensions` | Tipo`integer` | RequisitoNo compatible | Valores y límites Mínimo: 1 | Predeterminado— | | Campo`user` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo. | Predeterminado— | | Campo`session_id` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo. | Predeterminado— | | Campo`trace` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo. | Predeterminado— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores y límites Condiciones: provider.options rechazado | Predeterminado— | Combinaciones de materiales de entrada **text\_to\_embedding** Parámetros del método y ciclo de vida | Parámetro | Contrato | | --- | --- | | Parámetro`content_type` | Contratoapplication/json | | Parámetro`required` | Contratomodel, input | | Parámetro`input_shapes` | Contratostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parámetro`encoding_format` | Contratofloat | | Parámetro`dimensions_override` | Contratofalse | | Parámetro`max_input_budget_units` | Contrato512 | | Parámetro`multimodal_objects` | Contratofalse | | Parámetro`material_types` | Contratotext, token\_ids | Ciclo de vida: `synchronous_json` Conserva todos los índices y dimensiones de los vectores. El nombre de un modelo multimodal no habilita objetos de imagen en esta ruta exacta. ### Tarifas Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo fast Tarifa estándar Cuando se selecciona el modo fast Modo flex Tarifa estándar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Tarifa estándar Cuando el esfuerzo máximo de razonamiento usa el ajuste default #### Tarifas de Ailoot #### Precios por configuración | Configuración | Tabla de tarifas | Cargo | | --- | --- | --- | | ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada **$0.00002** / 1K tokens Salida · Tokens de salida **$0** / 1K tokens Entrada · Lectura de caché **—** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Representaciones vectoriales curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "intfloat/multilingual-e5-large", "input": ["First document", "Second document"]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")})) PY_RESULT ``` ```python from openai import OpenAI import os client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.embeddings.create(model='intfloat/multilingual-e5-large',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Recibir y guardar resultados #### Ailoot Ultra · Representaciones vectoriales json ##### Conserva todos los resultados completados Conserva todas las respuestas, archivos y partes de contenido completos recibidos. Conserva cada vector con su índice. La cantidad de vectores debe ser igual a la cantidad de entradas; las dimensiones deben ser consistentes. ##### Si es necesario revisar la respuesta original No se incorpora ningún endpoint de tareas de embeddings. Campos de respuesta | Campo | Tipo | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | Tipoobject | Errores y siguientes pasos | Respuesta | Condición | Siguiente paso | | --- | --- | --- | | Respuesta400 · `invalid_request_error` | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. | ### Alias #### Alias del modelo **Ailoot Ultra** [`intfloat/multilingual-e5-large`](https://ailoot.ai/models/es-mx/#m=intfloat%2Fmultilingual-e5-large&route=Ultra&caller=intfloat%2Fmultilingual-e5-large&fmt=embeddings) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`intfloat/multilingual-e5-large`](https://ailoot.ai/models/es-mx/#m=intfloat%2Fmultilingual-e5-large&route=Ultra&caller=intfloat%2Fmultilingual-e5-large&fmt=embeddings) FAQ · Intfloat: Multilingual-E5-Large ¿Qué entradas y resultados están disponibles? `POST /v1/embeddings` · `intfloat/multilingual-e5-large`: `text`, `token_ids` → `embedding` ¿Qué campos utiliza la solicitud? `POST /v1/embeddings` · `intfloat/multilingual-e5-large`: `model`, `input`, `encoding_format`, `provider` ¿Qué límites se aplican? `POST /v1/embeddings` · `intfloat/multilingual-e5-large`: `ctx`: `512`; `input.budget.maximum`: `512` (bytes UTF8); `input.min_items`: `1` Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación. ## La empresa y su cartera de proyectos La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. ## Compra tokens con descuento. Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens. Suscripción Elige un plan con descuento para tus peticiones habituales. Código de hasta el 50% Introduce el código al comprar. El precio se recalcula según la promoción vigente. Gasto en el historial Modelo, tokens e importe quedan guardados por cada petición. [Elegir suscripción](https://ailoot.ai/docs/es-mx/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es-mx/) ## Conecta la API al producto que vendes. SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso. Aplicación comercial Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio. Licencia para revendedores Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa. Documentos en la web La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar. [Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es-mx) ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.