Source: https://ailoot.ai/models/ru/intfloat-multilingual-e5-large/ Canonical: https://ailoot.ai/models/ru/intfloat-multilingual-e5-large/ Language: ru # Intfloat: Multilingual-E5-Large [Markdown](https://ailoot.ai/models/ru/intfloat-multilingual-e5-large/index.md) · [JSON](https://ailoot.ai/models/ru/intfloat-multilingual-e5-large/facts.json) ## [Intfloat: Multilingual-E5-Large](https://ailoot.ai/models/ru/intfloat-multilingual-e5-large/) intfloat Multilingual-E5-Large кодирует многоязычный текст в 1024-мерные векторы с помощью 24-слойной модели. Она поддерживает предусмотренный XLM-R набор из ста языков, использует английские префиксы query/passage для каждого языка и обрезает входы на 512 токенах. - [**Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` `intfloat/multilingual-e5-large`](https://ailoot.ai/models/ru/intfloat-multilingual-e5-large/#method-0) О модели Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже. Multilingual-E5-Large — многоязычная модель плотных текстовых эмбеддингов intfloat с двадцатью четырьмя слоями и 1024-мерным выходом. Она инициализирована из XLM-RoBERTa Large и дополнительно обучена на многоязычных данных. Карточка модели описывает поддержку ста языков в охвате XLM-R, отмечая более слабое качество для языков с малым объёмом данных. Её векторы представляют текст для поиска, семантического сравнения и задач, использующих числовые признаки. #### Сохраняйте роль входа на каждом языке Обученные префиксы — «query:» и «passage:», в том числе для неанглийского текста. Поисковый запрос и фрагменты его корпуса используют соответствующие роли. Префиксы остаются этими английскими строками, а исходные формулировки сохраняют собственный язык. Для симметричного семантического сходства, поиска перефразировок, поиска параллельных текстов или использования в качестве признаков производитель рекомендует «query:». Практическая коллекция может содержать документацию на нескольких поддерживаемых языках. Сохраняйте язык каждого фрагмента, исходный текст и местоположение источника вместе с его вектором. Подготовьте реальные поисковые вопросы аудитории вместо предположения, что один английский тест представляет всю коллекцию. Вывод должен возвращать реальный фрагмент и его контекст, чтобы читатель мог оценить его содержание. Для задачи многоязычного сопоставления ясно определяйте цель сравнения. Кандидатная пара переводов и запрос, ищущий подтверждающий фрагмент, требуют разной подготовки. Рекомендации модели по ролевым префиксам задают конкретную конвенцию для этих задач; пропуск префикса не является документированным эквивалентом, поскольку меняет входной шаблон, использованный при обучении. #### Пулинг и сравнение векторов Пример производителя усредняет представления токенов, используя маску внимания для исключения заполнения, затем нормализует вектор. Скалярные произведения нормализованных векторов дают косинусное сходство. Массив из 1024 компонентов представляет один подготовленный текст. Сохраняйте связь точной модели и подготовки с хранимыми векторами, чтобы последующие запросы использовали соответствующее представление. Эти векторы могут предоставлять ранжирование кандидатов или признаки для последующего этапа кластеризации либо классификации. Они не переводят источник и не составляют ответ. Возвращайте исходный текст фрагмента, когда результат поиска должен помогать читателю или последующему этапу генерации RAG. #### Обучение и языковой охват Карточка модели документирует контрастивное предобучение со слабым учителем, за которым следует дообучение с учителем. Многоязычная подготовка включает материалы вроде пар «заголовок–фрагмент», разговорных пар и пар переводов, а размеченные данные поиска и понимания языка обеспечивают последующий этап. Это объясняет целевые задачи представления текста, не устанавливая одинаковое качество на каждом языке. Производитель прямо указывает ухудшение для языков с малым объёмом данных как ограничение. Проверяйте реальные языки и формулировки коллекции, включая сокращения, имена и специальную лексику. Многоязычная метка полезно описывает охват; релевантность возвращённого текста аудитории и задаче всё равно необходимо проверять. #### Длина и полезные результаты Длинный вход обрезается максимум до 512 токенов. Подготовьте длинный документ как связные фрагменты с ролевым префиксом и нужными заголовками. Сохраняйте определения и оговорки рядом с утверждением, на которое они влияют, а идентификатор родительского документа и версию источника храните вне вектора. Производитель рекомендует сосредоточиться на относительном порядке косинусных оценок вместо трактовки абсолютного значения как универсальной меры уверенности. Полезный результат — набор кандидатных фрагментов, сопоставимые представления текстов или признаки, связанные с исходными записями. Эта конкретная модель остаётся отдельной от англоязычных контрольных точек E5 v2 и вариантов E5, дообученных по инструкциям, даже когда другая модель также возвращает 1024 значения. **Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` `intfloat/multilingual-e5-large` [`intfloat/multilingual-e5-large`](https://ailoot.ai/models/ru/#m=intfloat%2Fmultilingual-e5-large&route=Ultra&caller=intfloat%2Fmultilingual-e5-large&fmt=embeddings) Intfloat /`intfloat/multilingual-e5-large` ### Начало intfloat Multilingual-E5-Large кодирует многоязычный текст в 1024-мерные векторы с помощью 24-слойной модели. Она поддерживает предусмотренный XLM-R набор из ста языков, использует английские префиксы query/passage для каждого языка и обрезает входы на 512 токенах. Допустимые входные данные Текст · token\_ids Результаты embedding ### Доступно в Ailoot · входные данные и методы **Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` Входные данные `text`, `token_ids` Результат `embedding` Контекст 512 tokens Выходной формат json | Поле | Тип | Требование | Значения и ограничения | По умолчанию | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения intfloat/multilingual-e5-large | По умолчанию— | | Поле`input` | Тип`string\|string[]\|integer[]\|integer[][]` | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 Условия: Непустой однородный пакет. ID токенов — неотрицательные целые числа. Входной бюджет: Максимум: 512 · Текстовая единица: байты UTF8 · Единица токенов: элементы массива токенов | По умолчанию— | | Поле`encoding_format` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения float | По умолчаниюfloat | | Поле`dimensions` | Тип`integer` | ТребованиеНе поддерживается | Значения и ограничения Минимум: 1 | По умолчанию— | | Поле`user` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`session_id` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`trace` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`provider` | Тип`object` | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется | По умолчанию— | Сочетания входных материалов **text\_to\_embedding** Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`content_type` | Контрактapplication/json | | Параметр`required` | Контрактmodel, input | | Параметр`input_shapes` | Контрактstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Параметр`encoding_format` | Контрактfloat | | Параметр`dimensions_override` | Контрактfalse | | Параметр`max_input_budget_units` | Контракт512 | | Параметр`multimodal_objects` | Контрактfalse | | Параметр`material_types` | Контрактtext, token\_ids | Жизненный цикл: `synchronous_json` Сохраняйте индекс и размерность каждого вектора. Название мультимодальной модели не означает допуск объектов изображений на этом конкретном маршруте. ### Тарифы Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода. Быстрый режим Стандартный тариф При выборе быстрого режима Режим flex Стандартный тариф При выборе режима flex Максимальная интенсивность рассуждений Стандартный тариф При максимальной интенсивности рассуждений с корректировкой по умолчанию (default) #### Ставки Ailoot #### Цены по конфигурациям | Конфигурация | Шкала ставок | Плата | | --- | --- | --- | | КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены **$0.00002** / 1K токенов Выход · Выходные токены **$0** / 1K токенов Вход · Чтение кэша **—** / 1K токенов Вход · Запись в кэш **—** / 1K токенов Вход · Запись в кэш, 1 час **—** / 1K токенов | Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot Ultra · Эмбеддинги curlPython SDK ```bash set -eu : "${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) ``` ### Получить и сохранить результаты #### Ailoot Ultra · Эмбеддинги json ##### Сохраняйте все готовые результаты Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого. Сохраняйте каждый вектор с его индексом. Число векторов должно совпадать с числом входных элементов; размерности должны быть согласованы. ##### Если нужно проверить исходный ответ Отдельный эндпоинт заданий эмбеддингов не вводится. Поля ответа | Поле | Тип | | --- | --- | | Поле`object` | Типstring | | Поле`model` | Типstring | | Поле`data[].index` | Типinteger | | Поле`data[].embedding` | Типfinite float\[\] | | Поле`usage` | Типobject | Ошибки и дальнейшие шаги | Ответ | Условие | Следующий шаг | | --- | --- | --- | | Ответ400 · `invalid_request_error` | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. | ### Псевдонимы #### Псевдонимы моделей **Ailoot Ultra** [`intfloat/multilingual-e5-large`](https://ailoot.ai/models/ru/#m=intfloat%2Fmultilingual-e5-large&route=Ultra&caller=intfloat%2Fmultilingual-e5-large&fmt=embeddings) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`intfloat/multilingual-e5-large`](https://ailoot.ai/models/ru/#m=intfloat%2Fmultilingual-e5-large&route=Ultra&caller=intfloat%2Fmultilingual-e5-large&fmt=embeddings) FAQ · Intfloat: Multilingual-E5-Large Какие входные данные и результаты доступны? `POST /v1/embeddings` · `intfloat/multilingual-e5-large`: `text`, `token_ids` → `embedding` Какие поля использует запрос? `POST /v1/embeddings` · `intfloat/multilingual-e5-large`: `model`, `input`, `encoding_format`, `provider` Какие ограничения действуют? `POST /v1/embeddings` · `intfloat/multilingual-e5-large`: `ctx`: `512`; `input.budget.maximum`: `512` (байты UTF8); `input.min_items`: `1` Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению. ## Компания и портфель её проектов Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. ## Покупайте токены со скидкой. Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов. Подписка Выберите тариф со скидкой для своих регулярных запросов. Промокод до 50% Введите код при покупке. Цена пересчитается с учётом действующей акции. Расходы в истории Модель, токены и сумма сохраняются для каждого запроса. [Выбрать подписку](https://ailoot.ai/docs/ru/billing/subscriptions/) · [Посмотреть цены моделей](https://ailoot.ai/models/ru/) ## Подключайте API к продукту, который вы продаёте. SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию. Коммерческое приложение Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса. Лицензия для реселлера Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи. Документы на сайте Оферта, лицензионный договор и политика обработки данных доступны до подключения. [Запросить реселлерскую лицензию](mailto:support@ailoot.ai) · [Оферта и лицензионный договор](https://ailoot.ai/legal/offer?lang=ru) ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.