Source: https://ailoot.ai/models/pt-pt/intfloat-e5-large-v2/ Canonical: https://ailoot.ai/models/pt-pt/intfloat-e5-large-v2/ Language: pt-pt # Intfloat: E5-Large-v2 [Markdown](https://ailoot.ai/models/pt-pt/intfloat-e5-large-v2/index.md) · [JSON](https://ailoot.ai/models/pt-pt/intfloat-e5-large-v2/facts.json) ## [Intfloat: E5-Large-v2](https://ailoot.ai/models/pt-pt/intfloat-e5-large-v2/) O intfloat E5-Large-v2 codifica consultas e passagens em inglês como vetores de 1024 dimensões. O seu modelo de 24 camadas utiliza os papéis query/passage, agregação pela média e um limite de entrada de 512 tokens para pesquisa, similaridade semântica e características numéricas de texto. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `intfloat/e5-large-v2`](https://ailoot.ai/models/pt-pt/intfloat-e5-large-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-Large-v2 é o modelo de embeddings de texto em inglês da intfloat, com vinte e quatro camadas e uma saída de 1024 dimensões. Foi concebido para representar numericamente consultas e passagens para recuperação e outras tarefas de embedding. A convenção de preparação do E5 faz parte do seu treino: o texto de entrada leva um prefixo de papel, e as representações dos tokens codificados são agregadas num único vetor para esse texto. #### Manter explícitos os papéis de consulta e de passagem Na recuperação assimétrica, comece a pergunta com “query:” e o texto do corpus com “passage:”. Estes papéis distinguem aquilo que o utilizador procura do material que lhe pode responder. Para uma comparação simétrica, pesquisa de paráfrases, agrupamento ou características de classificação, o fabricante recomenda “query:” para os textos a incorporar. Uma coleção prática pode indexar explicações de suporte em inglês. Prepare uma pergunta como “query: What should I check before replacing the connector?” e associe-a a passagens de origem que descrevam as verificações e as exceções. O texto da passagem mantém o prefixo correspondente. Guarde o identificador da fonte e a redação original junto de cada vetor, para que o resultado possa devolver o material que o utilizador precisa de ler. Os prefixos não são rótulos decorativos que se possam retirar de um dos lados da tarefa. O fabricante indica que omiti-los degrada o desempenho da recuperação, porque o modelo foi treinado com essa preparação. Aplique o papel escolhido de forma consistente ao construir o corpus e, mais tarde, ao incorporar uma consulta. #### Agregação pela média e vetores normalizados O exemplo oficial de codificação calcula a média das representações dos tokens, excluindo as posições de preenchimento com a máscara de atenção. Em seguida, normaliza o vetor resultante. Um produto escalar entre vetores normalizados de consulta e de passagem fornece a similaridade de cosseno para ordenar os candidatos. Esta receita de agregação pela média pertence ao E5-Large-v2; uma receita de agregação pelo primeiro token de outra família é uma opção de preparação distinta. Os 1024 valores de saída formam o embedding, não uma resposta escrita nem um rótulo de categoria direto. Uma fase de pesquisa compara esses valores com representações compatíveis do corpus, e uma fase posterior utiliza o texto da passagem selecionada. Se os vetores servirem de características para agrupamento ou classificação, mantenha a associação entre cada vetor e o registo de entrada cujas características representa. #### Texto em inglês dentro da janela A ficha do modelo especifica texto exclusivamente em inglês e o truncamento das entradas longas em, no máximo, 512 tokens. Mantenha cada passagem do documento coerente dentro dessa janela, incluindo o prefixo de papel e o contexto útil da fonte. Um manual extenso deve ser preparado em secções cujos títulos, condições e instruções se compreendam quando recuperados separadamente. Por exemplo, uma cláusula que descreve uma configuração pode precisar da definição dessa configuração e de uma exceção na frase seguinte. Mantenha essa pequena unidade junta, em vez de dividir apenas por contagem de caracteres. Guarde o documento principal e a versão da fonte com a passagem, para que uma atualização substitua o material correto. #### Ler a ordenação como evidência de recuperação O fabricante explica que a ordem das pontuações de cosseno importa mais do que os seus valores absolutos. Uma pontuação não deve ser interpretada como uma probabilidade calibrada de que uma passagem responde à pergunta. Verifique passagens conhecidas que contêm a resposta e material irrelevante próximo ao decidir quantos resultados reter ou onde filtrar um conjunto de candidatos. O resultado útil é uma representação do corpus ou da consulta, um sinal de comparação semântica ou características numéricas para outra tarefa. Esta versão exata Large v2 em inglês permanece distinta do E5-Base-v2 e do Multilingual-E5-Large. A coincidência de dimensões, por si só, não faz dos seus vetores um espaço de embeddings comum documentado. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `intfloat/e5-large-v2` [`intfloat/e5-large-v2`](https://ailoot.ai/models/pt-pt/#m=intfloat%2Fe5-large-v2&route=Ultra&caller=intfloat%2Fe5-large-v2&fmt=embeddings) Intfloat /`intfloat/e5-large-v2` ### Introdução O intfloat E5-Large-v2 codifica consultas e passagens em inglês como vetores de 1024 dimensões. O seu modelo de 24 camadas utiliza os papéis query/passage, agregação pela média e um limite de entrada de 512 tokens para pesquisa, similaridade semântica e características numéricas 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-large-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 **$0.00002** / 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-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) ``` ### 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-large-v2`](https://ailoot.ai/models/pt-pt/#m=intfloat%2Fe5-large-v2&route=Ultra&caller=intfloat%2Fe5-large-v2&fmt=embeddings) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`intfloat/e5-large-v2`](https://ailoot.ai/models/pt-pt/#m=intfloat%2Fe5-large-v2&route=Ultra&caller=intfloat%2Fe5-large-v2&fmt=embeddings) FAQ · Intfloat: E5-Large-v2 Que entradas e resultados estão disponíveis? `POST /v1/embeddings` · `intfloat/e5-large-v2`: `text`, `token_ids` → `embedding` Que campos utiliza o pedido? `POST /v1/embeddings` · `intfloat/e5-large-v2`: `model`, `input`, `encoding_format`, `provider` Que limites se aplicam? `POST /v1/embeddings` · `intfloat/e5-large-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.