Source: https://ailoot.ai/models/pl/intfloat-multilingual-e5-large/ Canonical: https://ailoot.ai/models/pl/intfloat-multilingual-e5-large/ Language: pl # Intfloat: Multilingual-E5-Large [Markdown](https://ailoot.ai/models/pl/intfloat-multilingual-e5-large/index.md) · [JSON](https://ailoot.ai/models/pl/intfloat-multilingual-e5-large/facts.json) ## [Intfloat: Multilingual-E5-Large](https://ailoot.ai/models/pl/intfloat-multilingual-e5-large/) intfloat Multilingual-E5-Large koduje tekst wielojęzyczny w wektory o 1024 wymiarach za pomocą modelu z 24 warstwami. Obsługuje zakres stu języków XLM-R, używa angielskich prefiksów query/passage w każdym języku i przycina wejście do 512 tokenów. - [**Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` `intfloat/multilingual-e5-large`](https://ailoot.ai/models/pl/intfloat-multilingual-e5-large/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. Multilingual-E5-Large to wielojęzyczny model gęstych osadzeń tekstowych intfloat, z dwudziestoma czterema warstwami i wyjściem o 1024 wymiarach. Jest inicjalizowany na podstawie XLM-RoBERTa Large i dalej trenowany na danych wielojęzycznych. Karta modelu opisuje obsługę zakresu stu języków XLM-R, zaznaczając słabsze wyniki dla języków o niewielkich zasobach danych. Jego wektory reprezentują tekst do wyszukiwania, porównania semantycznego i zadań z cechami liczbowymi. #### Zachowaj rolę wejścia w każdym języku Prefiksy używane w treningu to „query:” i „passage:”, również dla tekstu nieangielskiego. Zapytanie wyszukiwawcze i fragmenty jego korpusu korzystają z odpowiadających im ról. Prefiksy pozostają tymi angielskimi ciągami znaków, a źródłowe sformułowania zachowują własny język. Do symetrycznego podobieństwa semantycznego, wyszukiwania parafraz, wydobywania par tekstów dwujęzycznych lub wykorzystania cech producent zaleca „query:”. Praktyczny zbiór może zawierać dokumentację w kilku obsługiwanych językach. Zachowaj z wektorem każdego fragmentu jego język, oryginalny tekst i lokalizację źródła. Przygotuj rzeczywiste pytania odbiorców, zamiast zakładać, że jeden angielski test reprezentuje cały zbiór. Wyjście powinno zwracać rzeczywisty fragment i jego kontekst, aby czytelnik mógł ocenić jego treść. W zadaniu dopasowania wielojęzycznego jasno określ cel porównania. Proponowana para tłumaczeń i zapytanie szukające wspierającego fragmentu wymagają różnego przygotowania. Wskazówki modelu dotyczące prefiksów ról dostarczają konkretnej konwencji dla tych zadań; pominięcie prefiksu nie jest udokumentowanym odpowiednikiem, ponieważ zmienia wzorzec wejścia używany podczas treningu. #### Agregacja i porównywanie wektorów Przykład producenta uśrednia reprezentacje tokenów, korzystając z maski uwagi do wykluczenia dopełnienia, a następnie normalizuje wektor. Iloczyny skalarne znormalizowanych wektorów dają podobieństwo cosinusowe. Tablica o 1024 wymiarach reprezentuje jeden przygotowany tekst. Zachowaj powiązanie dokładnego modelu i przygotowania ze składowanymi wektorami, aby późniejsze zapytania używały zgodnej reprezentacji. Wektory te mogą dostarczać rankingi kandydatów lub cechy do późniejszego etapu grupowania albo klasyfikacji. Nie tłumaczą źródła ani nie piszą odpowiedzi. Zwracaj źródłowy tekst fragmentu, gdy wynik wyszukiwania ma wspierać czytelnika lub późniejszy etap generowania w RAG. #### Trening i pokrycie języków Karta modelu dokumentuje kontrastywne trenowanie wstępne ze słabym nadzorem, po którym następuje nadzorowane dostrajanie. Przygotowanie wielojęzyczne obejmuje materiał taki jak pary tytuł–fragment, pary konwersacyjne i pary tłumaczeń, a oznaczone dane wyszukiwania i rozumienia języka służą późniejszemu etapowi. Wyjaśnia to zamierzone zadania reprezentacji tekstu, nie potwierdzając równych wyników w każdym języku. Producent wyraźnie wskazuje pogorszenie wyników w językach o niewielkich zasobach jako ograniczenie. Sprawdzaj rzeczywiste języki i sformułowania w zbiorze, w tym skróty, nazwy i słownictwo specjalistyczne. Etykieta wielojęzyczności jest użytecznym opisem zakresu; trafność zwracanego tekstu nadal wymaga oceny dla odbiorców i zadania. #### Długość i użyteczne wyniki Długie wejście jest przycinane do maksymalnie 512 tokenów. Przygotuj obszerny dokument jako spójne fragmenty zawierające prefiks roli i istotne nagłówki. Zachowaj definicje i zastrzeżenia obok twierdzenia, na które wpływają, a identyfikator dokumentu nadrzędnego i wersję źródła przechowuj poza wektorem. Producent zaleca skupienie się na względnej kolejności ocen cosinusowych, zamiast traktować wartość bezwzględną jako uniwersalną miarę pewności. Użyteczny wynik to zbiór fragmentów kandydujących, porównywalne reprezentacje tekstu lub cechy powiązane z pierwotnymi rekordami. Ten konkretny model pozostaje odrębny od wyłącznie angielskich punktów kontrolnych E5 v2 i wariantów E5 dostrojonych instrukcjami, nawet gdy inny model również zwraca 1024 wartości. **Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` `intfloat/multilingual-e5-large` [`intfloat/multilingual-e5-large`](https://ailoot.ai/models/pl/#m=intfloat%2Fmultilingual-e5-large&route=Ultra&caller=intfloat%2Fmultilingual-e5-large&fmt=embeddings) Intfloat /`intfloat/multilingual-e5-large` ### Start intfloat Multilingual-E5-Large koduje tekst wielojęzyczny w wektory o 1024 wymiarach za pomocą modelu z 24 warstwami. Obsługuje zakres stu języków XLM-R, używa angielskich prefiksów query/passage w każdym języku i przycina wejście do 512 tokenów. 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` Kontekst 512 tokens Format wyjściowy json | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity intfloat/multilingual-e5-large | 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 Stawka standardowa Gdy wybrany jest tryb szybki Tryb flex Stawka standardowa Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Stawka standardowa 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/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) ``` ### 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/multilingual-e5-large`](https://ailoot.ai/models/pl/#m=intfloat%2Fmultilingual-e5-large&route=Ultra&caller=intfloat%2Fmultilingual-e5-large&fmt=embeddings) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`intfloat/multilingual-e5-large`](https://ailoot.ai/models/pl/#m=intfloat%2Fmultilingual-e5-large&route=Ultra&caller=intfloat%2Fmultilingual-e5-large&fmt=embeddings) FAQ · Intfloat: Multilingual-E5-Large Jakie dane wejściowe i wyniki są dostępne? `POST /v1/embeddings` · `intfloat/multilingual-e5-large`: `text`, `token_ids` → `embedding` Jakich pól używa żądanie? `POST /v1/embeddings` · `intfloat/multilingual-e5-large`: `model`, `input`, `encoding_format`, `provider` Jakie limity obowiązują? `POST /v1/embeddings` · `intfloat/multilingual-e5-large`: `ctx`: `512`; `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.