Source: https://ailoot.ai/models/pl/intfloat-e5-large-v2/ Canonical: https://ailoot.ai/models/pl/intfloat-e5-large-v2/ Language: pl # Intfloat: E5-Large-v2 [Markdown](https://ailoot.ai/models/pl/intfloat-e5-large-v2/index.md) · [JSON](https://ailoot.ai/models/pl/intfloat-e5-large-v2/facts.json) ## [Intfloat: E5-Large-v2](https://ailoot.ai/models/pl/intfloat-e5-large-v2/) intfloat E5-Large-v2 koduje angielskie zapytania i fragmenty w wektory o 1024 wymiarach. Model z 24 warstwami używa ról query/passage, uśredniania reprezentacji i limitu wejścia 512 tokenów do wyszukiwania, podobieństwa semantycznego i liczbowych cech tekstu. - [**Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` `intfloat/e5-large-v2`](https://ailoot.ai/models/pl/intfloat-e5-large-v2/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. E5-Large-v2 to model osadzeń angielskiego tekstu intfloat z dwudziestoma czterema warstwami i wyjściem o 1024 wymiarach. Służy do liczbowej reprezentacji zapytań i fragmentów na potrzeby wyszukiwania oraz innych zadań osadzeń. Konwencja przygotowania E5 jest częścią jego treningu: tekst wejściowy zawiera prefiks roli, a zakodowane reprezentacje tokenów są agregowane w jeden wektor tego tekstu. #### Wyraźnie określ role zapytania i fragmentu W wyszukiwaniu asymetrycznym rozpocznij pytanie od „query:”, a tekst korpusu od „passage:”. Role te odróżniają to, czego szuka użytkownik, od materiału mogącego udzielić odpowiedzi. Do porównania symetrycznego, wyszukiwania parafraz oraz cech do grupowania lub klasyfikacji producent zaleca „query:” dla osadzanych tekstów. Praktyczny zbiór może indeksować angielskie wyjaśnienia wsparcia. Przygotuj pytanie takie jak „query: What should I check before replacing the connector?” i połącz je ze źródłowymi fragmentami opisującymi kontrole i wyjątki. Tekst fragmentu zachowuje odpowiadający mu prefiks. Przechowuj identyfikator źródła i oryginalne sformułowania obok każdego wektora, aby wynik mógł zwrócić materiał, który użytkownik powinien przeczytać. Prefiksy nie są ozdobnymi etykietami do usunięcia z jednej strony zadania. Producent podaje, że ich pominięcie pogarsza wyniki wyszukiwania, ponieważ model był trenowany z takim przygotowaniem. Stosuj wybraną rolę konsekwentnie podczas budowania korpusu i późniejszego osadzania zapytania. #### Uśrednianie i znormalizowane wektory Oficjalny przykład kodowania uśrednia reprezentacje tokenów, wykluczając pozycje dopełnienia maską uwagi. Następnie normalizuje wynikowy wektor. Iloczyn skalarny znormalizowanych wektorów zapytania i fragmentu dostarcza podobieństwo cosinusowe do porządkowania kandydatów. Ta receptura uśredniania należy do E5-Large-v2; agregacja na podstawie pierwszego tokenu z innej rodziny jest osobnym wyborem przygotowania. 1024 wartości wyjściowe tworzą osadzenie, a nie pisemną odpowiedź lub bezpośrednią etykietę kategorii. Etap wyszukiwania porównuje te wartości ze zgodnymi reprezentacjami korpusu, a późniejszy etap używa tekstu wybranego fragmentu. Jeśli wektory są cechami grupowania lub klasyfikatora, zachowaj powiązanie każdego wektora z rekordem wejściowym, którego cechy reprezentuje. #### Angielski tekst w obrębie okna Karta modelu określa tekst wyłącznie angielski i przycinanie długich wejść do maksymalnie 512 tokenów. Utrzymuj każdy fragment dokumentu spójny w tym oknie, wraz z prefiksem roli i użytecznym kontekstem źródła. Długi podręcznik należy przygotować jako sekcje, których tytuły, warunki i instrukcje da się zrozumieć przy osobnym wyszukaniu. Na przykład klauzula opisująca ustawienie może wymagać definicji tego ustawienia i wyjątku w następnym zdaniu. Zachowaj tę niewielką jednostkę razem, zamiast dzielić wyłącznie według liczby znaków. Przechowuj dokument nadrzędny i wersję źródła z fragmentem, aby aktualizacja zastępowała właściwy materiał. #### Odczytuj ranking jako sygnał wyszukiwania Producent wyjaśnia, że kolejność ocen cosinusowych ma większe znaczenie niż ich wartości bezwzględne. Oceny nie należy interpretować jako skalibrowanego prawdopodobieństwa, że fragment odpowiada na pytanie. Sprawdzaj fragmenty znane jako zawierające odpowiedź i pobliski nieistotny materiał, wybierając liczbę zachowywanych wyników lub miejsce filtrowania zbioru kandydatów. Użyteczne wyjście to reprezentacja korpusu lub zapytania, sygnał porównania semantycznego albo cechy liczbowe do innego zadania. Ten konkretny angielski punkt kontrolny Large v2 pozostaje odrębny od E5-Base-v2 i Multilingual-E5-Large. Sama zgodność wymiarów nie czyni ich wektorów udokumentowaną wspólną przestrzenią osadzeń. **Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` `intfloat/e5-large-v2` [`intfloat/e5-large-v2`](https://ailoot.ai/models/pl/#m=intfloat%2Fe5-large-v2&route=Ultra&caller=intfloat%2Fe5-large-v2&fmt=embeddings) Intfloat /`intfloat/e5-large-v2` ### Start intfloat E5-Large-v2 koduje angielskie zapytania i fragmenty w wektory o 1024 wymiarach. Model z 24 warstwami używa ról query/passage, uśredniania reprezentacji i limitu wejścia 512 tokenów do wyszukiwania, podobieństwa semantycznego i liczbowych cech tekstu. Akceptowane dane wejściowe Tekst · token\_ids Wyniki embedding ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` Wejście `text`, `token_ids` Wyjście `embedding` Format wyjściowy json | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity intfloat/e5-large-v2 | Domyślnie— | | Pole`input` | Typ`string\|string[]\|integer[]\|integer[][]` | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 Warunki: Niepusta, jednorodna partia danych. Identyfikatory tokenów są nieujemnymi liczbami całkowitymi. Budżet wejścia: Maksimum: 512 · Jednostka tekstu: bajty UTF8 · Jednostka tokenów: elementy tablicy tokenów | Domyślnie— | | Pole`encoding_format` | Typ`string` | WymaganieOpcjonalne | Wartości i limity float | Domyślniefloat | | Pole`dimensions` | Typ`integer` | WymaganieNieobsługiwane | Wartości i limity Minimum: 1 | Domyślnie— | | Pole`user` | Typ`json_value` | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— | | Pole`session_id` | Typ`json_value` | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— | | Pole`trace` | Typ`json_value` | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— | | Pole`provider` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Warunki: Odrzucono provider.options | Domyślnie— | Kombinacje materiałów wejściowych **text\_to\_embedding** Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, input | | Parametr`input_shapes` | Kontraktstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parametr`encoding_format` | Kontraktfloat | | Parametr`dimensions_override` | Kontraktfalse | | Parametr`max_input_budget_units` | Kontrakt512 | | Parametr`multimodal_objects` | Kontraktfalse | | Parametr`material_types` | Kontrakttext, token\_ids | Cykl życia: `synchronous_json` Zachowaj indeks i liczbę wymiarów każdego wektora. Nawet jeśli nazwa modelu wskazuje na multimodalność, ta konkretna ścieżka nie obsługuje obiektów obrazów. ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) #### Stawki Ailoot #### Ceny według konfiguracji | Konfiguracja | Tabela stawek | Opłata | | --- | --- | --- | | KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe **$0.00002** / 1K tokenów Wyjście · Tokeny wyjściowe **$0** / 1K tokenów Wejście · Odczyt cache **—** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Reprezentacje wektorowe curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "intfloat/e5-large-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-large-v2',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · Reprezentacje wektorowe json ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowaj każdy wektor wraz z jego indeksem. Liczba wektorów musi być równa liczbie elementów wejściowych; wszystkie wektory muszą mieć tę samą liczbę wymiarów. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Nie wprowadzono endpointu zadań generowania osadzeń. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`object` | Typstring | | Pole`model` | Typstring | | Pole`data[].index` | Typinteger | | Pole`data[].embedding` | Typfinite float\[\] | | Pole`usage` | Typobject | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`intfloat/e5-large-v2`](https://ailoot.ai/models/pl/#m=intfloat%2Fe5-large-v2&route=Ultra&caller=intfloat%2Fe5-large-v2&fmt=embeddings) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`intfloat/e5-large-v2`](https://ailoot.ai/models/pl/#m=intfloat%2Fe5-large-v2&route=Ultra&caller=intfloat%2Fe5-large-v2&fmt=embeddings) FAQ · Intfloat: E5-Large-v2 Jakie dane wejściowe i wyniki są dostępne? `POST /v1/embeddings` · `intfloat/e5-large-v2`: `text`, `token_ids` → `embedding` Jakich pól używa żądanie? `POST /v1/embeddings` · `intfloat/e5-large-v2`: `model`, `input`, `encoding_format`, `provider` Jakie limity obowiązują? `POST /v1/embeddings` · `intfloat/e5-large-v2`: `input.budget.maximum`: `512` (bajty UTF8); `input.min_items`: `1` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.