Source: https://ailoot.ai/models/pt-pt/intfloat-e5-base-v2/ Canonical: https://ailoot.ai/models/pt-pt/intfloat-e5-base-v2/ Language: pt-pt # Intfloat: E5-Base-v2 [Markdown](https://ailoot.ai/models/pt-pt/intfloat-e5-base-v2/index.md) · [JSON](https://ailoot.ai/models/pt-pt/intfloat-e5-base-v2/facts.json) ## [Intfloat: E5-Base-v2](https://ailoot.ai/models/pt-pt/intfloat-e5-base-v2/) O intfloat E5-Base-v2 converte texto em inglês em embeddings de 768 dimensões com um codificador de 12 camadas. Os prefixos query/passage e uma janela de 512 tokens definem a sua preparação para pesquisa, comparação de paráfrases, agrupamento e características de texto. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `intfloat/e5-base-v2`](https://ailoot.ai/models/pt-pt/intfloat-e5-base-v2/#method-0) Sobre o modelo Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo. O E5-Base-v2 é o modelo de embeddings em inglês da intfloat, com doze camadas e uma representação de 768 dimensões. Transforma texto preparado num único vetor numérico para recuperação, comparação semântica ou utilização como características noutra tarefa. A versão Base v2 é distinta da edição Large v2, com vinte e quatro camadas e 1024 dimensões, e dos modelos E5 multilingues treinados separadamente. #### Utilizar os prefixos de papel do treino O E5 espera um papel no início da entrada. Na recuperação de passagens, uma pergunta começa com “query:” e a fonte que pode conter a resposta começa com “passage:”. O fabricante recomenda “query:” em ambos os lados para tarefas simétricas, como similaridade semântica e recuperação de paráfrases. Recomenda também esse prefixo quando os vetores vão servir de características para agrupamento ou classificação. Por exemplo, uma coleção de comentários de clientes pode conter vários pedidos com redações diferentes para a mesma melhoria. Codifique esses registos com a preparação simétrica recomendada e, depois, compare ou agrupe os vetores resultantes. Guarde a redação original e o identificador do registo com cada representação, para que um grupo possa ser examinado como mensagens reais de clientes, e não como um conjunto inexplicado de números. Numa coleção de pesquisa, prepare as perguntas e as passagens de origem nos papéis correspondentes. Uma consulta útil é “query: Which setting changes the notification frequency?” A passagem do corpus mantém a explicação e as respetivas condições relevantes. O prefixo faz parte da preparação com que o modelo foi treinado; o fabricante observa que omiti-lo reduz o desempenho. #### Agregar e comparar a representação O exemplo oficial calcula uma média das representações dos tokens que tem em conta a máscara de atenção, excluindo o preenchimento, e depois normaliza o vetor resultante. Um produto escalar entre embeddings normalizados dá a similaridade de cosseno. Os 768 valores de saída descrevem um texto; não são uma resposta, um rótulo de classe nem uma pontuação de reordenação de pares. Num fluxo de trabalho de agrupamento, outra fase forma grupos a partir desses vetores. Num fluxo de trabalho de classificação, outra fase utiliza-os como características de entrada. Manter essa distinção torna o resultado mais fácil de interpretar: o embedding representa o registo, enquanto a tarefa a jusante determina um grupo ou um rótulo. Utilize um único modelo e uma única convenção de preparação de forma consistente para as representações que são comparadas. #### Trabalhar em inglês e dentro de 512 tokens A ficha do modelo indica que esta edição funciona apenas para inglês e trunca o texto longo em, no máximo, 512 tokens. Prepare passagens coerentes dentro desse intervalo, incluindo o prefixo de papel obrigatório. Uma avaliação, relatório ou manual extenso deve ser dividido em secções com significado, em vez de ser incorporado como uma entrada demasiado grande cujo final se perde. Mantenha um título junto das frases que introduz e preserve a condição ou exceção que altera o significado de uma regra. Em registos curtos, como comentários de clientes, mantenha a mensagem completa quando couber. Um identificador da fonte e uma versão guardados junto do vetor permitem que uma atualização posterior da coleção substitua o registo correto. #### Interpretar a similaridade para a tarefa O fabricante explica que a ordem relativa das pontuações de cosseno é mais importante do que um valor absoluto. Um limiar de filtragem deve ser avaliado com os exemplos da própria coleção, e a similaridade vetorial não é uma probabilidade calibrada de um rótulo correspondente ou de uma resposta correta. Inspecione registos próximos e incompatibilidades conhecidas ao decidir como os vetores serão utilizados. O resultado útil é um índice de pesquisa em inglês, um conjunto de comparação semântica ou características numéricas de texto associadas aos respetivos registos de origem. Este perfil Base v2 fornece as suas próprias dimensões, agregação e preparação de papéis; a forma do vetor ou a cobertura linguística de outra edição E5 não estabelece uma representação intercambiável. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `intfloat/e5-base-v2` [`intfloat/e5-base-v2`](https://ailoot.ai/models/pt-pt/#m=intfloat%2Fe5-base-v2&route=Ultra&caller=intfloat%2Fe5-base-v2&fmt=embeddings) Intfloat /`intfloat/e5-base-v2` ### Introdução O intfloat E5-Base-v2 converte texto em inglês em embeddings de 768 dimensões com um codificador de 12 camadas. Os prefixos query/passage e uma janela de 512 tokens definem a sua preparação para pesquisa, comparação de paráfrases, agrupamento e características de texto. Entradas aceites Texto · token\_ids Resultados embedding ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Entrada `text`, `token_ids` Saída `embedding` Formato de saída json | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites intfloat/e5-base-v2 | Predefinição— | | Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 Condições: Lote homogéneo não vazio. Os IDs de tokens são números inteiros não negativos. Orçamento de entrada: Máximo: 512 · Unidade de texto: bytes UTF8 · Unidade de tokens: elementos do array de tokens | Predefinição— | | Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores e limites float | Predefiniçãofloat | | Campo`dimensions` | Tipo`integer` | RequisitoNão suportado | Valores e limites Mínimo: 1 | Predefinição— | | Campo`user` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`session_id` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`trace` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores e limites Condições: provider.options rejeitado | Predefinição— | Combinações de materiais de entrada **text\_to\_embedding** Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, input | | Parâmetro`input_shapes` | Contratostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parâmetro`encoding_format` | Contratofloat | | Parâmetro`dimensions_override` | Contratofalse | | Parâmetro`max_input_budget_units` | Contrato512 | | Parâmetro`multimodal_objects` | Contratofalse | | Parâmetro`material_types` | Contratotext, token\_ids | Ciclo de vida: `synchronous_json` Guarde o índice e a dimensão de cada vetor. O nome do modelo multimodal não permite objetos de imagem neste caminho exato. ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Não especificado Quando o modo rápido está selecionado Modo flex Não especificado Quando o modo flex está selecionado Esforço máximo de raciocínio Não especificado Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) #### Tarifas Ailoot #### Preços por configuração | Configuração | Tabela de tarifas | Custo | | --- | --- | --- | | ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada **$0.00001** / 1K tokens Saída · Tokens de saída **$0** / 1K tokens Entrada · Leitura da cache **—** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${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) ``` ### Receber e guardar os resultados #### Ailoot Ultra · Embeddings json ##### Guardar todos os resultados concluídos Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra. Guarde cada vetor com o respetivo índice. O número de vetores tem de ser igual ao número de entradas; as dimensões têm de ser consistentes. ##### Se for necessário verificar a resposta original Não é introduzido nenhum endpoint de tarefas de embeddings. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | Tipoobject | Erros e passos seguintes | Resposta | Condição | Passo seguinte | | --- | --- | --- | | Resposta400 · `invalid_request_error` | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`intfloat/e5-base-v2`](https://ailoot.ai/models/pt-pt/#m=intfloat%2Fe5-base-v2&route=Ultra&caller=intfloat%2Fe5-base-v2&fmt=embeddings) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`intfloat/e5-base-v2`](https://ailoot.ai/models/pt-pt/#m=intfloat%2Fe5-base-v2&route=Ultra&caller=intfloat%2Fe5-base-v2&fmt=embeddings) FAQ · Intfloat: E5-Base-v2 Que entradas e resultados estão disponíveis? `POST /v1/embeddings` · `intfloat/e5-base-v2`: `text`, `token_ids` → `embedding` Que campos utiliza o pedido? `POST /v1/embeddings` · `intfloat/e5-base-v2`: `model`, `input`, `encoding_format`, `provider` Que limites se aplicam? `POST /v1/embeddings` · `intfloat/e5-base-v2`: `input.budget.maximum`: `512` (bytes UTF8); `input.min_items`: `1` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.