Source: https://ailoot.ai/models/id/intfloat-multilingual-e5-large/
Canonical: https://ailoot.ai/models/id/intfloat-multilingual-e5-large/
Language: id

# Intfloat: Multilingual-E5-Large

[Markdown](https://ailoot.ai/models/id/intfloat-multilingual-e5-large/index.md) · [JSON](https://ailoot.ai/models/id/intfloat-multilingual-e5-large/facts.json)

## [Intfloat: Multilingual-E5-Large](https://ailoot.ai/models/id/intfloat-multilingual-e5-large/)

intfloat Multilingual-E5-Large mengodekan teks multibahasa menjadi vektor 1024 dimensi dengan model 24 lapisan. Model mendukung cakupan seratus bahasa XLM-R, menggunakan prefiks query/passage berbahasa Inggris untuk setiap bahasa, dan memotong masukan pada 512 token.

- [**Ailoot Ultra · Embedding** `POST /v1/embeddings` `intfloat/multilingual-e5-large`](https://ailoot.ai/models/id/intfloat-multilingual-e5-large/#method-0)

Tentang model

Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.

Multilingual-E5-Large adalah model embedding teks dense multibahasa intfloat, dengan dua puluh empat lapisan dan keluaran 1024 dimensi. Model diinisialisasi dari XLM-RoBERTa Large lalu dilatih lebih lanjut pada data multibahasa. Kartu model menjelaskan dukungan untuk cakupan seratus bahasa XLM-R sekaligus mencatat kinerja yang lebih lemah untuk bahasa dengan sumber daya terbatas. Vektornya merepresentasikan teks untuk pencarian kembali, perbandingan semantik, dan tugas fitur numerik.

#### Pertahankan peran masukan dalam setiap bahasa

Prefiks yang digunakan dalam pelatihan adalah “query:” dan “passage:”, termasuk untuk teks non-Inggris. Kueri pencarian dan bagian teks dalam korpus menggunakan peran masing-masing. Prefiks tetap berupa string bahasa Inggris tersebut, sedangkan teks sumber tetap menggunakan bahasanya sendiri. Untuk kemiripan semantik simetris, pencarian parafrasa, penambangan pasangan teks dwibahasa, atau penggunaan sebagai fitur, pembuat menyarankan “query:”.

Koleksi praktis dapat menyimpan dokumentasi dalam beberapa bahasa yang didukung. Simpan bahasa setiap bagian, teks asli, dan lokasi sumber bersama vektornya. Siapkan pertanyaan pencarian nyata dari audiens alih-alih menganggap satu pengujian berbahasa Inggris mewakili seluruh koleksi. Keluaran harus mengembalikan bagian teks sebenarnya beserta konteksnya agar pembaca dapat menilai isinya.

Untuk tugas pencocokan multibahasa, jaga tujuan perbandingan tetap jelas. Pasangan calon terjemahan dan kueri yang mencari bagian pendukung memerlukan persiapan berbeda. Panduan prefiks peran model menyediakan konvensi konkret untuk tugas-tugas tersebut; menghilangkan prefiks bukan padanan yang didokumentasikan karena mengubah pola masukan yang digunakan dalam pelatihan.

#### Pooling dan perbandingan vektor

Contoh pembuat merata-ratakan representasi token dengan masker atensi untuk mengecualikan padding, lalu menormalisasi vektor. Hasil kali titik yang dinormalisasi memberikan kemiripan kosinus. Larik 1024 dimensi mewakili satu teks yang telah disiapkan. Simpan model dan persiapan yang tepat bersama vektor tersimpan agar kueri berikutnya menggunakan representasi yang sesuai.

Vektor ini dapat memberikan peringkat kandidat atau fitur untuk tahap pengelompokan atau klasifikasi berikutnya. Vektor tidak menerjemahkan sumber atau menyusun jawaban. Kembalikan teks bagian sumber ketika hasil pencarian dimaksudkan untuk membantu pembaca atau tahap pembangkitan RAG berikutnya.

#### Pelatihan dan cakupan bahasa

Kartu model mendokumentasikan prapelatihan kontrastif dengan supervisi lemah, kemudian fine-tuning dengan supervisi. Persiapan multibahasa mencakup materi seperti pasangan judul–bagian teks, pasangan percakapan, dan pasangan terjemahan, sedangkan data pencarian serta pemahaman bahasa berlabel menyediakan tahap berikutnya. Ini menjelaskan tugas representasi teks yang dituju tanpa membuktikan kinerja yang sama dalam setiap bahasa.

Pembuat secara eksplisit mengidentifikasi penurunan kinerja bahasa dengan sumber daya terbatas sebagai keterbatasan. Periksa bahasa dan pilihan kata yang sebenarnya dalam koleksi, termasuk singkatan, nama, dan kosakata khusus. Label multibahasa merupakan deskripsi cakupan yang berguna; relevansi teks yang dikembalikan tetap perlu diperiksa untuk audiens dan tugasnya.

#### Panjang dan hasil yang berguna

Masukan panjang dipotong hingga paling banyak 512 token. Siapkan dokumen panjang sebagai bagian-bagian yang koheren dengan prefiks peran dan judul yang relevan disertakan. Pertahankan definisi serta kondisi dan batasan di samping pernyataan yang dipengaruhinya, dan simpan pengenal dokumen induk serta versi sumber di luar vektor.

Produsen menyarankan fokus pada urutan relatif skor kosinus alih-alih memperlakukan nilai absolut sebagai ukuran keyakinan universal. Hasil yang berguna adalah himpunan bagian kandidat, representasi teks yang dapat dibandingkan, atau fitur yang terhubung dengan rekaman aslinya. Model yang tepat ini tetap terpisah dari checkpoint E5 v2 berbahasa Inggris saja dan varian E5 yang dituning mengikuti instruksi, meskipun model lain juga mengembalikan 1024 nilai.

**Ailoot Ultra · Embedding** `POST /v1/embeddings` `intfloat/multilingual-e5-large`

[`intfloat/multilingual-e5-large`](https://ailoot.ai/models/id/#m=intfloat%2Fmultilingual-e5-large&route=Ultra&caller=intfloat%2Fmultilingual-e5-large&fmt=embeddings)

Intfloat /`intfloat/multilingual-e5-large`

### Mulai

intfloat Multilingual-E5-Large mengodekan teks multibahasa menjadi vektor 1024 dimensi dengan model 24 lapisan. Model mendukung cakupan seratus bahasa XLM-R, menggunakan prefiks query/passage berbahasa Inggris untuk setiap bahasa, dan memotong masukan pada 512 token.

Masukan yang diterima

Teks · token\_ids

Hasil

embedding

### Tersedia di Ailoot · masukan & metode

**Ailoot Ultra · Embedding** `POST /v1/embeddings`

Masukan

`text`, `token_ids`

Keluaran

`embedding`

Konteks

512 tokens

Format keluaran

json

| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
| --- | --- | --- | --- | --- |
| Kolom`model` | Jenis`string` | PersyaratanWajib | Nilai & batasan intfloat/multilingual-e5-large | Bawaan— |
| Kolom`input` | Jenis`string\|string[]\|integer[]\|integer[][]` | PersyaratanWajib | Nilai & batasan Item minimum: 1 Kondisi: Batch homogen yang tidak kosong. ID token berupa bilangan bulat nonnegatif. Anggaran masukan: Maksimum: 512 · Satuan teks: byte UTF8 · Satuan token: elemen array token | Bawaan— |
| Kolom`encoding_format` | Jenis`string` | PersyaratanOpsional | Nilai & batasan float | Bawaanfloat |
| Kolom`dimensions` | Jenis`integer` | PersyaratanTidak didukung | Nilai & batasan Minimum: 1 | Bawaan— |
| Kolom`user` | Jenis`json_value` | PersyaratanOpsional | Nilai & batasan Kondisi: Sumber mengizinkan kolom metadata JSON ini; makna tepatnya pada layanan hulu bergantung pada model. | Bawaan— |
| Kolom`session_id` | Jenis`json_value` | PersyaratanOpsional | Nilai & batasan Kondisi: Sumber mengizinkan kolom metadata JSON ini; makna tepatnya pada layanan hulu bergantung pada model. | Bawaan— |
| Kolom`trace` | Jenis`json_value` | PersyaratanOpsional | Nilai & batasan Kondisi: Sumber mengizinkan kolom metadata JSON ini; makna tepatnya pada layanan hulu bergantung pada model. | Bawaan— |
| Kolom`provider` | Jenis`object` | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak | Bawaan— |

Kombinasi bahan masukan

**text\_to\_embedding**

Parameter metode dan siklus hidup

| Parameter | Kontrak |
| --- | --- |
| Parameter`content_type` | Kontrakapplication/json |
| Parameter`required` | Kontrakmodel, input |
| Parameter`input_shapes` | Kontrakstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parameter`encoding_format` | Kontrakfloat |
| Parameter`dimensions_override` | Kontrakfalse |
| Parameter`max_input_budget_units` | Kontrak512 |
| Parameter`multimodal_objects` | Kontrakfalse |
| Parameter`material_types` | Kontraktext, token\_ids |

Siklus hidup: `synchronous_json`

Pertahankan index dan dimensi setiap vektor.

Nama model multimodal tidak mengizinkan objek gambar pada jalur persis ini.

### Paket

Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.

Mode Fast

Tarif standar Saat mode fast dipilih

Mode Flex

Tarif standar Saat mode flex dipilih

Upaya penalaran maksimum

Tarif standar Saat upaya penalaran maksimum menggunakan penyesuaian default

#### Tarif Ailoot

#### Harga menurut konfigurasi

| Konfigurasi | Jadwal tarif | Biaya |
| --- | --- | --- |
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan **$0.00002** / 1K token Keluaran · Token keluaran **$0** / 1K token Masukan · Pembacaan cache **—** / 1K token Masukan · Penulisan cache **—** / 1K token Masukan · Penulisan cache, 1 jam **—** / 1K token |

Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. [Cara kerja cadangan dan penyelesaian tagihan →](https://ailoot.ai/docs/id/billing/reserve/)

### Contoh permintaan

#### Ailoot Ultra · Embedding

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)
```

### Terima dan simpan hasil

#### Ailoot Ultra · Embedding

json

##### Simpan semua hasil yang selesai

Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.

Simpan setiap vektor beserta index masing-masing. Jumlah vektor harus sama dengan jumlah input; dimensinya harus konsisten.

##### Jika respons asli perlu diperiksa

Endpoint untuk tugas embedding tidak ditambahkan.

Kolom respons

| Kolom | Jenis |
| --- | --- |
| Kolom`object` | Jenisstring |
| Kolom`model` | Jenisstring |
| Kolom`data[].index` | Jenisinteger |
| Kolom`data[].embedding` | Jenisfinite float\[\] |
| Kolom`usage` | Jenisobject |

Kesalahan dan langkah berikutnya

| Respons | Kondisi | Langkah berikutnya |
| --- | --- | --- |
| Respons400 · `invalid_request_error` | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |

### Alias

#### Alias model

**Ailoot Ultra** [`intfloat/multilingual-e5-large`](https://ailoot.ai/models/id/#m=intfloat%2Fmultilingual-e5-large&route=Ultra&caller=intfloat%2Fmultilingual-e5-large&fmt=embeddings)

#### Alias jalur metode

Gunakan jalur metode yang ditampilkan di atas.

#### ID pemanggil terkait

[`intfloat/multilingual-e5-large`](https://ailoot.ai/models/id/#m=intfloat%2Fmultilingual-e5-large&route=Ultra&caller=intfloat%2Fmultilingual-e5-large&fmt=embeddings)

FAQ · Intfloat: Multilingual-E5-Large

Input dan hasil apa yang tersedia?

`POST /v1/embeddings` · `intfloat/multilingual-e5-large`: `text`, `token_ids` → `embedding`

Kolom apa yang digunakan permintaan?

`POST /v1/embeddings` · `intfloat/multilingual-e5-large`: `model`, `input`, `encoding_format`, `provider`

Batasan apa yang berlaku?

`POST /v1/embeddings` · `intfloat/multilingual-e5-large`: `ctx`: `512`; `input.budget.maximum`: `512` (byte UTF8); `input.min_items`: `1`

Hubungkan Ailoot ke Claude Code, OpenCode, Hermes, atau aplikasi Anda.

## Perusahaan dan portofolio proyeknya

Perusahaan dan portofolio proyeknya: jutaan pelanggan; penjualan miliaran setiap bulan.

## Beli token dengan diskon.

Diskon langganan untuk pekerjaan rutin. Kode promo — hingga 50% untuk pembelian token.

Langganan

Pilih paket dengan diskon untuk permintaan rutin Anda.

Kode promo hingga 50%

Masukkan kode saat membeli. Harga dihitung ulang sesuai promosi aktif.

Biaya dalam riwayat

Model, token, dan jumlah tagihan disimpan untuk setiap permintaan.

[Pilih langganan](https://ailoot.ai/docs/id/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/id/)

## Hubungkan API ke produk yang Anda jual.

SaaS, aplikasi, dan bot — sesuai penawaran dan perjanjian lisensi Ailoot. Untuk penjualan kembali, mintalah lisensi reseller.

Aplikasi komersial

Integrasikan pembuatan teks, gambar, video, dan suara dalam fitur berbayar layanan Anda.

Lisensi reseller

Kirim deskripsi proyek dan skema akses. Mintalah ketentuan penggunaan dan penjualan kembali secara tertulis.

Dokumen di situs

Penawaran, perjanjian lisensi, dan kebijakan pemrosesan data tersedia sebelum koneksi.

[Minta lisensi reseller](mailto:support@ailoot.ai) · [Penawaran dan perjanjian lisensi](https://ailoot.ai/legal/offer?lang=id)

## Ailoot · Perusahaan dan portofolio proyeknya





Ailoot bertumpu pada pengalaman operasional yang teruji, basis pelanggan yang besar, layanan yang stabil, dan pemantauan KPI berkelanjutan.





Perusahaan dan portofolio proyeknya: jutaan pelanggan; penjualan miliaran setiap bulan.





Ailoot memanfaatkan pengalaman operasional ini untuk akses API ke fitur AI dalam produk pelanggan, agen, aplikasi, dan otomatisasi.