E5-Base-v2 är intfloats engelska inbäddningsmodell med tolv lager och en 768-dimensionell representation. Den omvandlar förberedd text till en numerisk vektor för informationssökning, semantisk jämförelse eller användning som egenskaper i en annan uppgift. Base v2-checkpointen skiljer sig från Large v2-utgåvan med 24 lager och 1024 dimensioner samt från de separat tränade flerspråkiga E5-modellerna.
E5 förväntar sig en roll i början av indata. Vid passagesökning börjar en fråga med ”query:” och dess möjliga källa som innehåller svaret med ”passage:”. Tillverkaren rekommenderar ”query:” på båda sidor för symmetriska uppgifter som semantisk likhet och sökning efter parafraser. Den rekommenderar också prefixet när vektorerna ska vara egenskaper för klustring eller klassificering.
Till exempel kan en feedbacksamling innehålla flera olika formulerade önskemål om samma förbättring. Koda dessa poster med den rekommenderade symmetriska förberedelsen och jämför eller klustra sedan de resulterande vektorerna. Behåll den ursprungliga ordalydelsen och postidentifieraren tillsammans med varje representation så att ett kluster kan granskas som faktiska kundmeddelanden i stället för en oförklarad grupp tal.
För en söksamling förbereder du frågor och källpassager i deras respektive roller. En användbar fråga är ”query: Which setting changes the notification frequency?”. Korpuspassagen behåller förklaringen och dess relevanta villkor. Prefixet ingår i modellens inlärda förberedelse; tillverkaren påpekar att prestandan försämras om det utelämnas.
Det officiella exemplet beräknar ett medelvärde av tokenrepresentationerna som tar hänsyn till attention-masken och utesluter utfyllnad, och normaliserar sedan den resulterande vektorn. En skalärprodukt mellan normaliserade inbäddningar ger cosinuslikhet. De 768 resultatvärdena beskriver en text; de är inte ett svar, en klassetikett eller en parvis omrankningspoäng.
I ett klustringsflöde bildar ett annat steg grupper från dessa vektorer. I ett klassificeringsflöde använder ett annat steg dem som indataegenskaper. Att behålla skillnaden gör resultatet lättare att tolka: Inbäddningen representerar posten, medan den efterföljande uppgiften avgör gruppen eller etiketten. Använd en modell och en förberedelsekonvention konsekvent för representationerna som jämförs.
Modellkortet säger att denna utgåva bara fungerar för engelska och kapar lång text till högst 512 token. Förbered sammanhängande passager inom det omfånget, inklusive det obligatoriska rollprefixet. En lång recension, rapport eller manual bör delas efter meningsfulla avsnitt i stället för att bäddas in som för stora indata vars slut går förlorat.
Håll en rubrik tillsammans med meningarna den introducerar och bevara villkoret eller undantaget som ändrar en regels betydelse. För korta poster som feedback behåller du hela meddelandet när det får plats. En källidentifierare och version bredvid vektorn gör att en senare samlingsuppdatering kan ersätta rätt post.
Tillverkaren förklarar att den relativa ordningen mellan cosinuspoäng är viktigare än ett absolut värde. En filtreringströskel bör bedömas på samlingens egna exempel, och vektorlikhet är inte en kalibrerad sannolikhet för en matchande etikett eller ett korrekt svar. Granska närliggande poster och kända felmatchningar när du bestämmer hur vektorerna ska användas.
Den användbara leveransen är ett engelskt sökindex, en semantisk jämförelseuppsättning eller numeriska textegenskaper parade med sina källposter. Denna Base v2-profil har sina egna dimensioner, sin poolning och sin rollförberedelse; en annan E5-utgåvas vektorform eller språktäckning fastställer inte en utbytbar representation.
", "aboutText": "E5-Base-v2 är intfloats engelska inbäddningsmodell med tolv lager och en 768-dimensionell representation. Den omvandlar förberedd text till en numerisk vektor för informationssökning, semantisk jämförelse eller användning som egenskaper i en annan uppgift. Base v2-checkpointen skiljer sig från Large v2-utgåvan med 24 lager och 1024 dimensioner samt från de separat tränade flerspråkiga E5-modellerna.\n\n### Använd de inlärda rollprefixen\n\nE5 förväntar sig en roll i början av indata. Vid passagesökning börjar en fråga med ”query:” och dess möjliga källa som innehåller svaret med ”passage:”. Tillverkaren rekommenderar ”query:” på båda sidor för symmetriska uppgifter som semantisk likhet och sökning efter parafraser. Den rekommenderar också prefixet när vektorerna ska vara egenskaper för klustring eller klassificering.\n\nTill exempel kan en feedbacksamling innehålla flera olika formulerade önskemål om samma förbättring. Koda dessa poster med den rekommenderade symmetriska förberedelsen och jämför eller klustra sedan de resulterande vektorerna. Behåll den ursprungliga ordalydelsen och postidentifieraren tillsammans med varje representation så att ett kluster kan granskas som faktiska kundmeddelanden i stället för en oförklarad grupp tal.\n\nFör en söksamling förbereder du frågor och källpassager i deras respektive roller. En användbar fråga är ”query: Which setting changes the notification frequency?”. Korpuspassagen behåller förklaringen och dess relevanta villkor. Prefixet ingår i modellens inlärda förberedelse; tillverkaren påpekar att prestandan försämras om det utelämnas.\n\n### Poola och jämför representationen\n\nDet officiella exemplet beräknar ett medelvärde av tokenrepresentationerna som tar hänsyn till attention-masken och utesluter utfyllnad, och normaliserar sedan den resulterande vektorn. En skalärprodukt mellan normaliserade inbäddningar ger cosinuslikhet. De 768 resultatvärdena beskriver en text; de är inte ett svar, en klassetikett eller en parvis omrankningspoäng.\n\nI ett klustringsflöde bildar ett annat steg grupper från dessa vektorer. I ett klassificeringsflöde använder ett annat steg dem som indataegenskaper. Att behålla skillnaden gör resultatet lättare att tolka: Inbäddningen representerar posten, medan den efterföljande uppgiften avgör gruppen eller etiketten. Använd en modell och en förberedelsekonvention konsekvent för representationerna som jämförs.\n\n### Arbeta på engelska och inom 512 token\n\nModellkortet säger att denna utgåva bara fungerar för engelska och kapar lång text till högst 512 token. Förbered sammanhängande passager inom det omfånget, inklusive det obligatoriska rollprefixet. En lång recension, rapport eller manual bör delas efter meningsfulla avsnitt i stället för att bäddas in som för stora indata vars slut går förlorat.\n\nHåll en rubrik tillsammans med meningarna den introducerar och bevara villkoret eller undantaget som ändrar en regels betydelse. För korta poster som feedback behåller du hela meddelandet när det får plats. En källidentifierare och version bredvid vektorn gör att en senare samlingsuppdatering kan ersätta rätt post.\n\n### Tolka likhet för uppgiften\n\nTillverkaren förklarar att den relativa ordningen mellan cosinuspoäng är viktigare än ett absolut värde. En filtreringströskel bör bedömas på samlingens egna exempel, och vektorlikhet är inte en kalibrerad sannolikhet för en matchande etikett eller ett korrekt svar. Granska närliggande poster och kända felmatchningar när du bestämmer hur vektorerna ska användas.\n\nDen användbara leveransen är ett engelskt sökindex, en semantisk jämförelseuppsättning eller numeriska textegenskaper parade med sina källposter. Denna Base v2-profil har sina egna dimensioner, sin poolning och sin rollförberedelse; en annan E5-utgåvas vektorform eller språktäckning fastställer inte en utbytbar representation.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "7e42e93a0337e72c4b7e8afe4f9bd8126f7186dcb36146faaa09872b6eb3a09c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sv", "methods": [ { "html": "intfloat/e5-base-v2intfloat E5-Base-v2 omvandlar engelsk text till 768-dimensionella inbäddningar med en kodare på 12 lager. Prefix för frågor och avsnitt samt ett fönster på 512 token definierar förberedelsen för sökning, parafrasjämförelse, klustring och textfunktioner.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
E5-Base-v2 är intfloats engelska inbäddningsmodell med tolv lager och en 768-dimensionell representation. Den omvandlar förberedd text till en numerisk vektor för informationssökning, semantisk jämförelse eller användning som egenskaper i en annan uppgift. Base v2-checkpointen skiljer sig från Large v2-utgåvan med 24 lager och 1024 dimensioner samt från de separat tränade flerspråkiga E5-modellerna.
E5 förväntar sig en roll i början av indata. Vid passagesökning börjar en fråga med ”query:” och dess möjliga källa som innehåller svaret med ”passage:”. Tillverkaren rekommenderar ”query:” på båda sidor för symmetriska uppgifter som semantisk likhet och sökning efter parafraser. Den rekommenderar också prefixet när vektorerna ska vara egenskaper för klustring eller klassificering.
Till exempel kan en feedbacksamling innehålla flera olika formulerade önskemål om samma förbättring. Koda dessa poster med den rekommenderade symmetriska förberedelsen och jämför eller klustra sedan de resulterande vektorerna. Behåll den ursprungliga ordalydelsen och postidentifieraren tillsammans med varje representation så att ett kluster kan granskas som faktiska kundmeddelanden i stället för en oförklarad grupp tal.
För en söksamling förbereder du frågor och källpassager i deras respektive roller. En användbar fråga är ”query: Which setting changes the notification frequency?”. Korpuspassagen behåller förklaringen och dess relevanta villkor. Prefixet ingår i modellens inlärda förberedelse; tillverkaren påpekar att prestandan försämras om det utelämnas.
Det officiella exemplet beräknar ett medelvärde av tokenrepresentationerna som tar hänsyn till attention-masken och utesluter utfyllnad, och normaliserar sedan den resulterande vektorn. En skalärprodukt mellan normaliserade inbäddningar ger cosinuslikhet. De 768 resultatvärdena beskriver en text; de är inte ett svar, en klassetikett eller en parvis omrankningspoäng.
I ett klustringsflöde bildar ett annat steg grupper från dessa vektorer. I ett klassificeringsflöde använder ett annat steg dem som indataegenskaper. Att behålla skillnaden gör resultatet lättare att tolka: Inbäddningen representerar posten, medan den efterföljande uppgiften avgör gruppen eller etiketten. Använd en modell och en förberedelsekonvention konsekvent för representationerna som jämförs.
Modellkortet säger att denna utgåva bara fungerar för engelska och kapar lång text till högst 512 token. Förbered sammanhängande passager inom det omfånget, inklusive det obligatoriska rollprefixet. En lång recension, rapport eller manual bör delas efter meningsfulla avsnitt i stället för att bäddas in som för stora indata vars slut går förlorat.
Håll en rubrik tillsammans med meningarna den introducerar och bevara villkoret eller undantaget som ändrar en regels betydelse. För korta poster som feedback behåller du hela meddelandet när det får plats. En källidentifierare och version bredvid vektorn gör att en senare samlingsuppdatering kan ersätta rätt post.
Tillverkaren förklarar att den relativa ordningen mellan cosinuspoäng är viktigare än ett absolut värde. En filtreringströskel bör bedömas på samlingens egna exempel, och vektorlikhet är inte en kalibrerad sannolikhet för en matchande etikett eller ett korrekt svar. Granska närliggande poster och kända felmatchningar när du bestämmer hur vektorerna ska användas.
Den användbara leveransen är ett engelskt sökindex, en semantisk jämförelseuppsättning eller numeriska textegenskaper parade med sina källposter. Denna Base v2-profil har sina egna dimensioner, sin poolning och sin rollförberedelse; en annan E5-utgåvas vektorform eller språktäckning fastställer inte en utbytbar representation.
POST /v1/embeddingstext, token_idsembedding| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser intfloat/e5-base-v2 | Standard— |
Fältinput | Typstring|string[]|integer[]|integer[][] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 Villkor: En homogen batch som inte är tom. Token-ID:n är heltal som är större än eller lika med noll. Indatabudget: Maximum: 512 · Textenhet: UTF8-byte · Tokenenhet: element i en tokenarray | Standard— |
Fältencoding_format | Typstring | KravValfritt | Värden & gränser float | Standardfloat |
Fältdimensions | Typinteger | KravStöds inte | Värden & gränser Minimum: 1 | Standard— |
Fältuser | Typjson_value | KravValfritt | Värden & gränser Villkor: Källan tillåter detta JSON-metadatafält; den exakta innebörden hos leverantören beror på modellen. | Standard— |
Fältsession_id | Typjson_value | KravValfritt | Värden & gränser Villkor: Källan tillåter detta JSON-metadatafält; den exakta innebörden hos leverantören beror på modellen. | Standard— |
Fälttrace | Typjson_value | KravValfritt | Värden & gränser Villkor: Källan tillåter detta JSON-metadatafält; den exakta innebörden hos leverantören beror på modellen. | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisades | Standard— |
text_to_embedding
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, input |
Parameterinput_shapes | Avtalstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parameterencoding_format | Avtalfloat |
Parameterdimensions_override | Avtalfalse |
Parametermax_input_budget_units | Avtal512 |
Parametermultimodal_objects | Avtalfalse |
Parametermaterial_types | Avtaltext, token_ids |
Livscykel: synchronous_json
Behåll varje vektorindex och dimension.
Att modellen har ett multimodalt namn innebär inte att bildobjekt tillåts på just denna anropsväg.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00001 / 1K token Utdata · Utdatatoken $0 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "intfloat/e5-base-v2", "input": ["First document", "Second document"]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.embeddings.create(model='intfloat/e5-base-v2',input=["First document","Second document"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\njson
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje vektor tillsammans med dess index. Antalet vektorer måste vara lika med antalet indataobjekt; dimensionerna måste vara konsekventa.
Ingen endpoint för inbäddningsjobb införs.
| Fält | Typ |
|---|---|
Fältobject | Typstring |
Fältmodel | Typstring |
Fältdata[].index | Typinteger |
Fältdata[].embedding | Typfinite float[] |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra intfloat/e5-base-v2
Använd metodsökvägarna som visas ovan.