Intfloat: E5-Large-v2
intfloat E5-Large-v2 將英文查詢與段落編碼為 1024 維向量。其 24 層模型採用 query/passage 角色、平均池化與 512 個 token 的輸入上限，適用於搜尋、語意相似度與數值化文字特徵。
關於模型
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
E5-Large-v2 是 intfloat 推出的二十四層英文文字嵌入模型，輸出 1024 維向量。它的設計目的是以數值表示查詢與段落，用於檢索及其他嵌入任務。E5 的準備慣例是其訓練的一部分：輸入文字帶有角色前綴，編碼後的 token 表示會被池化成代表該段文字的單一向量。
明確標示查詢與段落角色
進行非對稱檢索時，問題以「query:」開頭，語料庫文字以「passage:」開頭。這些角色區分了使用者要找的內容，以及可能回答它的素材。若是對稱式比較、釋義搜尋、分群或分類特徵，開發者建議要嵌入的文字使用「query:」。
實際的文件集可以為英文支援說明建立索引。準備如「query: What should I check before replacing the connector?」（意即「更換接頭前應檢查什麼？」）這樣的問題，並與描述檢查項目與例外情況的來源段落配對。段落文字保留其對應前綴。請在每個向量旁儲存來源識別碼與原始措辭，讓結果能回傳使用者需要閱讀的素材。
前綴不是可以從任務某一側移除的裝飾性標籤。開發者指出，由於模型是以這種準備方式訓練，省略前綴會降低檢索效能。建立語料庫時與日後嵌入查詢時，都請一致套用所選的角色。
平均池化與正規化向量
官方編碼範例會對 token 表示取平均，並以注意力遮罩排除填補位置，接著將所得向量正規化。正規化後的查詢向量與段落向量之間的內積即為餘弦相似度，可用來排序候選結果。這套平均池化做法屬於 E5-Large-v2；其他模型家族採用的首個 token 池化做法，則是另一種準備方式的選擇。
這 1024 個輸出值構成嵌入向量，而不是書面答案或直接的類別標籤。搜尋階段會將這些數值與相容的語料庫表示進行比較，後續階段再使用選出的段落文字。若向量作為分群或分類器的特徵，請保留每個向量與其所代表之輸入紀錄的對應關係。
視窗內的英文文字
模型卡指明僅支援英文文字，過長的輸入最多截斷為 512 個 token。請讓每個文件段落在此視窗內保持連貫，並包含角色前綴與實用的來源脈絡。篇幅較長的手冊應準備成多個章節，讓其標題、條件與操作說明在單獨被檢索時仍能被理解。
例如，描述某項設定的條款，可能需要搭配該設定的定義與下一句中的例外情況。請將這樣的小單元保持在一起，而不是單純依字元數切分。將父文件與來源版本隨段落一併保存，讓更新時能替換正確的素材。
將排序視為檢索證據
開發者說明，餘弦分數的排序比其絕對值更重要。分數不應被解讀為段落能回答問題的經校準機率。決定保留多少結果或在何處篩選候選集時，請檢查已知含有答案的段落及其附近的無關素材。
實用的輸出是語料庫或查詢的表示、語意比較訊號，或供其他任務使用的數值特徵。這個確切的英文 Large v2 檢查點與 E5-Base-v2 及 Multilingual-E5-Large 彼此獨立。僅維度相同，並不代表它們的向量處於文件記載的共同嵌入空間。
Ailoot Ultra · 嵌入向量 POST /v1/embeddings intfloat/e5-large-v2
intfloat/e5-large-v2入門
intfloat E5-Large-v2 將英文查詢與段落編碼為 1024 維向量。其 24 層模型採用 query/passage 角色、平均池化與 512 個 token 的輸入上限，適用於搜尋、語意相似度與數值化文字特徵。
- 接受的輸入
- 文字 · token_ids
- 結果
- embedding
Ailoot 可用 · 輸入與方法
Ailoot Ultra · 嵌入向量 POST /v1/embeddings
- 輸入
text,token_ids- 輸出
embedding- 輸出格式
- json
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 intfloat/e5-large-v2 | 預設值— |
欄位input | 類型string|string[]|integer[]|integer[][] | 要求必填 | 值與限制 項目數下限: 1 條件: 批次不得為空，且各項目類型須一致。Token ID 須為非負整數。 輸入額度： 最大值: 512 · 文字單位: UTF8 位元組 · Token 單位: token 陣列元素 | 預設值— |
欄位encoding_format | 類型string | 要求選填 | 值與限制 float | 預設值float |
欄位dimensions | 類型integer | 要求不支援 | 值與限制 最小值: 1 | 預設值— |
欄位user | 類型json_value | 要求選填 | 值與限制 條件: 來源允許此 JSON 中繼資料欄位；確切的上游語意依模型而異。 | 預設值— |
欄位session_id | 類型json_value | 要求選填 | 值與限制 條件: 來源允許此 JSON 中繼資料欄位；確切的上游語意依模型而異。 | 預設值— |
欄位trace | 類型json_value | 要求選填 | 值與限制 條件: 來源允許此 JSON 中繼資料欄位；確切的上游語意依模型而異。 | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: provider.options 遭拒絕 | 預設值— |
輸入素材組合
text_to_embedding
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, input |
參數input_shapes | 規格string, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
參數encoding_format | 規格float |
參數dimensions_override | 規格false |
參數max_input_budget_units | 規格512 |
參數multimodal_objects | 規格false |
參數material_types | 規格text, token_ids |
生命週期： synchronous_json
保留每個向量的索引與維度。
即使模型名稱標示為多模態，此指定路徑也不接受圖片物件。
方案
費率資訊不會增加請求選項。支援的參數列於所選方法中。
- 快速模式
- 未指定 選取快速模式時
- flex 模式
- 未指定 選取 flex 模式時
- 最高推理強度
- 未指定 最高推理強度採用 default 調整值時
Ailoot 費率
各設定的價格
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.00002 / 1K Token 輸出 · 輸出 Token $0 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · 嵌入向量
set -eu
: "${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
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)
接收並儲存結果
Ailoot Ultra · 嵌入向量
json
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個向量及其索引。向量數量必須與輸入數量相同，且維度必須一致。
需要檢查原始回應時
此流程未引入嵌入向量任務端點。
回應欄位
| 欄位 | 類型 |
|---|---|
欄位object | 類型string |
欄位model | 類型string |
欄位data[].index | 類型integer |
欄位data[].embedding | 類型finite float[] |
欄位usage | 類型object |
錯誤與後續步驟
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
別名
模型別名
Ailoot Ultra intfloat/e5-large-v2
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
FAQ · Intfloat: E5-Large-v2
- 可以使用哪些輸入與結果？
POST /v1/embeddings·intfloat/e5-large-v2:text,token_ids→embedding- 請求使用哪些欄位？
POST /v1/embeddings·intfloat/e5-large-v2:model,input,encoding_format,provider- 適用哪些限制？
POST /v1/embeddings·intfloat/e5-large-v2:input.budget.maximum:512(UTF8 位元組);input.min_items:1