Source: https://ailoot.ai/models/es/intfloat-e5-base-v2/ Canonical: https://ailoot.ai/models/es/intfloat-e5-base-v2/ Language: es # Intfloat: E5-Base-v2 [Markdown](https://ailoot.ai/models/es/intfloat-e5-base-v2/index.md) · [JSON](https://ailoot.ai/models/es/intfloat-e5-base-v2/facts.json) ## [Intfloat: E5-Base-v2](https://ailoot.ai/models/es/intfloat-e5-base-v2/) intfloat E5-Base-v2 transforma texto en inglés en embeddings de 768 dimensiones con un codificador de 12 capas. Los prefijos de consulta/pasaje y una ventana de 512 tokens definen su preparación para búsqueda, comparación de paráfrasis, agrupación y características textuales. - [**Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` `intfloat/e5-base-v2`](https://ailoot.ai/models/es/intfloat-e5-base-v2/#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. E5-Base-v2 es el modelo de embeddings en inglés de intfloat, con doce capas y una representación de 768 dimensiones. Convierte el texto preparado en un vector numérico para recuperación, comparación semántica o uso como características en otra tarea. El checkpoint Base v2 es distinto de la edición Large v2 de veinticuatro capas y 1024 dimensiones y de los modelos E5 multilingües entrenados por separado. #### Utiliza los prefijos de rol del entrenamiento E5 espera un rol al principio de la entrada. Para recuperación de pasajes, una pregunta empieza con «query:» y su posible fuente que contiene la respuesta empieza con «passage:». El fabricante recomienda «query:» en ambos lados para tareas simétricas como similaridad semántica y recuperación de paráfrasis. También recomienda ese prefijo cuando los vectores se vayan a utilizar como características para agrupación o clasificación. Por ejemplo, una colección de comentarios puede contener varias solicitudes formuladas de manera diferente para la misma mejora. Codifica esos registros con la preparación simétrica recomendada y después compara o agrupa los vectores resultantes. Mantén la formulación original y el identificador del registro junto a cada representación, para que un grupo pueda examinarse como mensajes reales de clientes, en lugar de un conjunto de números sin explicación. Para una colección de búsqueda, prepara preguntas y pasajes de origen con sus roles correspondientes. Una consulta útil es «query: Which setting changes the notification frequency?». El pasaje del corpus conserva la explicación y sus condiciones pertinentes. El prefijo forma parte de la preparación utilizada en el entrenamiento del modelo; el fabricante señala que omitirlo reduce el rendimiento. #### Agrega y compara la representación El ejemplo oficial calcula una media de las representaciones de tokens teniendo en cuenta la máscara de atención y excluyendo el relleno, y después normaliza el vector resultante. Un producto escalar entre embeddings normalizados proporciona similaridad del coseno. Los 768 valores de salida describen un texto; no son una respuesta, una etiqueta de clase ni una puntuación de un reranker por pares. En un flujo de agrupación, otra etapa forma grupos a partir de esos vectores. En un flujo de clasificación, otra etapa los utiliza como características de entrada. Conservar esa distinción facilita la interpretación del resultado: el embedding representa el registro, mientras que la tarea posterior determina un grupo o una etiqueta. Utiliza de forma coherente un modelo y una convención de preparación para las representaciones que se comparan. #### Trabaja con inglés y dentro de 512 tokens La ficha del modelo indica que esta edición solo funciona con inglés y trunca el texto largo a un máximo de 512 tokens. Prepara pasajes coherentes dentro de ese espacio, incluido el prefijo de rol requerido. Una reseña, un informe o un manual largos deben dividirse en secciones significativas, en lugar de generar su embedding como una entrada demasiado grande cuya parte final se pierde. Mantén un encabezado junto a las frases que introduce y conserva la condición o excepción que cambia el significado de una regla. Para registros cortos como comentarios, conserva el mensaje completo cuando quepa. Un identificador de origen y una versión guardados junto al vector permiten que una actualización posterior de la colección sustituya el registro correcto. #### Interpreta la similaridad para la tarea El fabricante explica que el orden relativo de las puntuaciones de coseno importa más que un valor absoluto. Un umbral de filtrado debe evaluarse con ejemplos propios de la colección, y la similaridad entre vectores no es una probabilidad calibrada de una etiqueta coincidente ni de una respuesta correcta. Examina registros próximos y discrepancias conocidas al decidir cómo se utilizarán los vectores. El entregable útil es un índice de búsqueda en inglés, un conjunto de comparación semántica o características numéricas de texto emparejadas con sus registros de origen. Este perfil Base v2 aporta sus propias dimensiones, pooling y preparación de roles; la forma del vector o la cobertura lingüística de otra edición E5 no establece una representación intercambiable. **Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` `intfloat/e5-base-v2` [`intfloat/e5-base-v2`](https://ailoot.ai/models/es/#m=intfloat%2Fe5-base-v2&route=Ultra&caller=intfloat%2Fe5-base-v2&fmt=embeddings) Intfloat /`intfloat/e5-base-v2` ### Primeros pasos intfloat E5-Base-v2 transforma texto en inglés en embeddings de 768 dimensiones con un codificador de 12 capas. Los prefijos de consulta/pasaje y una ventana de 512 tokens definen su preparación para búsqueda, comparación de paráfrasis, agrupación y características textuales. Entradas aceptadas Texto · token\_ids Resultados embedding ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` Tipos de entrada `text`, `token_ids` Tipos de salida `embedding` Formato de salida json | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites intfloat/e5-base-v2 | 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 array 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: Source permite este campo de metadatos JSON; su semántica exacta en el proveedor depende de cada modelo. | Predeterminado— | | Campo`session_id` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: Source permite este campo de metadatos JSON; su semántica exacta en el proveedor depende de cada modelo. | Predeterminado— | | Campo`trace` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: Source permite este campo de metadatos JSON; su semántica exacta en el proveedor depende de cada modelo. | Predeterminado— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza | 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. Que el modelo tenga un nombre multimodal no permite enviar objetos de imagen por esta ruta concreta. ### Planes Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo rápido Sin especificar Cuando se selecciona el modo rápido Modo flex Sin especificar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Sin especificar Cuando el esfuerzo máximo de razonamiento utiliza el ajuste predeterminado (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 **$0.00001** / 1K tokens Salida · Tokens de salida **$0** / 1K tokens Entrada · Lectura de caché **—** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Representaciones vectoriales curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "intfloat/e5-base-v2", "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/e5-base-v2',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. El número de vectores debe coincidir con el número de entradas; las dimensiones deben ser coherentes. ##### Si es necesario revisar la respuesta original No se introduce ningún endpoint de trabajos 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/e5-base-v2`](https://ailoot.ai/models/es/#m=intfloat%2Fe5-base-v2&route=Ultra&caller=intfloat%2Fe5-base-v2&fmt=embeddings) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`intfloat/e5-base-v2`](https://ailoot.ai/models/es/#m=intfloat%2Fe5-base-v2&route=Ultra&caller=intfloat%2Fe5-base-v2&fmt=embeddings) FAQ · Intfloat: E5-Base-v2 ¿Qué entradas y resultados están disponibles? `POST /v1/embeddings` · `intfloat/e5-base-v2`: `text`, `token_ids` → `embedding` ¿Qué campos utiliza la solicitud? `POST /v1/embeddings` · `intfloat/e5-base-v2`: `model`, `input`, `encoding_format`, `provider` ¿Qué límites se aplican? `POST /v1/embeddings` · `intfloat/e5-base-v2`: `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/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es/) ## 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) ## 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.