Modelle692 Modelle

NVIDIA: Nemotron 3.5 Embed 1B (free)

nvidia/nemotron-3.5-embed-1b:free

Nemotron 3.5 Embed 1B ist ein Embedding-Modell von NVIDIA, das vom Anbieter am 21. Oktober 2026 veröffentlicht wurde. Es gehört zur Kategorie der Embeddings und nicht zur Kategorie Chat oder Generierung, seine Aufgabe besteht also darin, Eingaben in Vektoren umzuwandeln, statt geschriebene…

NVIDIA: Nemotron 3.5 Embed 8B (free)

nvidia/nemotron-3.5-embed-8b:free

NVIDIA: Nemotron 3.5 Embed 8B (free) ist ein Embedding-Modell von NVIDIA, veröffentlicht unter der Modell-ID nvidia/nemotron-3.5-embed-8b:free auf api14. Es gehört zur Kategorie Embeddings und ist daher darauf ausgelegt, Eingaben in Vektordarstellungen umzuwandeln, statt Chat-Antworten zu…

LiquidAI: LFM2.5-Embedding-350M (free)

liquid/lfm-2.5-embedding-350m:free

LiquidAI veröffentlicht LFM2.5-Embedding-350M, ein Text-Embedding-Modell von Liquid AI, das auf api14 unter der Modell-ID liquid/lfm-2.5-embedding-350m:free angeboten wird. Es gehört zur Kategorie Embeddings und nicht zur Kategorie Chat, ist also kein konversationelles Modell und erzeugt keine…

VoyageAI by MongoDB: voyage-code-4

voyageai/voyage-code-4

voyage-code-4 ist ein Code-Embedding-Modell von Voyage AI, einem Unternehmen von MongoDB. Es gehört zur Kategorie der Embeddings und nicht zur Familie der Chat- oder Textgenerierung, seine Aufgabe ist es also, Eingaben in Vektoren umzuwandeln, statt Antworten zu schreiben. Das…

VoyageAI by MongoDB: voyage-multimodal-3.5

voyageai/voyage-multimodal-3.5

VoyageAI by MongoDB: voyage-multimodal-3.5 ist ein multimodales Embedding Modell von Voyage AI, einem Unternehmen, das heute Teil von MongoDB ist. Es gehört zur Kategorie Embeddings und nicht zur Kategorie Chat, seine Aufgabe besteht also darin, Eingabeinhalte in Vektoren umzuwandeln, statt…

VoyageAI by MongoDB: voyage-4-lite

voyageai/voyage-4-lite

voyage-4-lite ist ein Embedding-Modell von Voyage AI, dem Unternehmen hinter der Voyage-Familie von Retrieval-Modellen, das jetzt Teil von MongoDB ist. Es gehört zur Kategorie der Embeddings und nicht zu der der Chat-Modelle, was bedeutet, dass es keinen Text generiert. Stattdessen wandelt es Text…

VoyageAI by MongoDB: voyage-4

voyageai/voyage-4

voyage-4 ist ein Allzweck-Einbettungsmodell von Voyage AI, dem Unternehmen hinter der Voyage-Einbettungsfamilie, die heute Teil von MongoDB ist. Es ist auf api14 unter der Modell-ID voyageai/voyage-4 gelistet und gehört zur Kategorie der Einbettungen, wurde also darauf ausgelegt, Text in Vektoren…

VoyageAI by MongoDB: voyage-4-large

voyageai/voyage-4-large

VoyageAI by MongoDB: voyage-4-large ist ein Embedding-Modell von Voyage AI, einem Anbieter, dessen Modelle unter dem Namen VoyageAI by MongoDB vertrieben werden. Es gehört zur Kategorie der Embeddings, was bedeutet, dass es darauf ausgelegt ist, Text in Vektoren umzuwandeln, statt Chat-Antworten zu…

NVIDIA: Nemotron 3 Embed 1B (free)

nvidia/nemotron-3-embed-1b:free

NVIDIA Nemotron 3 Embed 1B ist ein offenes Text-Embedding-Modell von NVIDIA. Es gehört zur Nemotron 3 Familie und wird als kostenloses Modell auf api14 unter der Kennung nvidia/nemotron-3-embed-1b:free verteilt. NVIDIA positioniert es als Embedding-Modell und nicht als generatives Chat-Modell,…

Google: Gemini Embedding 2

google/gemini-embedding-2

Google: Gemini Embedding 2 ist ein Embedding-Modell von Google, das auf api14 unter der Modell-ID google/gemini-embedding-2 gelistet ist. Es gehört zur Kategorie Embeddings und wird von Google als das erste multimodale Embedding-Modell des Unternehmens beschrieben. Statt Chat-Antworten zu…

Google: Gemini Embedding 2 (batch)

google/gemini-embedding-2:batch

Google: Gemini Embedding 2 (batch) ist ein Embedding-Modell von Google. Es ist auf api14 in der Kategorie embeddings gelistet, und das Veröffentlichungsdatum des Anbieters ist der 2026-05-20. Google beschreibt es als Gemini Embedding 2, das erste multimodale Embedding-Modell des Unternehmens. Statt…

Google: Gemini Embedding 2 Preview

google/gemini-embedding-2-preview

Google: Gemini Embedding 2 Preview ist ein Embedding-Modell von Google, veröffentlicht unter der Modell-ID google/gemini-embedding-2-preview. Es liegt in der Kategorie Embeddings und wird von Google als sein erstes multimodales Embedding-Modell beschrieben. Es handelt sich um eine Preview-Version,…

Perplexity: Embed V1 4B

perplexity/pplx-embed-v1-4b

Perplexity: Embed V1 4B ist ein Text-Embedding-Modell von Perplexity, das vom Anbieter am 16. März 2026 veröffentlicht wurde. Es gehört zur Kategorie der Embeddings und nicht zur Kategorie Chat, was bedeutet, dass es keine konversationellen Antworten generiert. Stattdessen wandelt es Text in…

Perplexity: Embed V1 0.6B

perplexity/pplx-embed-v1-0.6b

Perplexity: Embed V1 0.6B ist ein Text-Embedding-Modell von Perplexity, veröffentlicht am 16. März 2026. Es gehört zur Familie pplx-embed-v1, die Perplexity als modernste Text-Embedding-Modelle beschreibt, die für Retrieval in realen Umgebungen und Web-Maßstab entwickelt wurden. Die Variante mit…

NVIDIA: Llama Nemotron Embed VL 1B V2 (free)

nvidia/llama-nemotron-embed-vl-1b-v2:free

Llama Nemotron Embed VL 1B V2 ist ein Embedding-Modell von NVIDIA, das auf api14 unter der Modell-ID nvidia/llama-nemotron-embed-vl-1b-v2:free verteilt wird. Es gehört zur Kategorie embeddings, und sein angegebener Zweck ist multimodales Question-Answering-Retrieval. Es ist ein Modell der…

Thenlper: GTE-Base

thenlper/gte-base

Thenlper: GTE-Base ist ein Embedding-Modell von Thenlper, das auf api14 unter der Modell-ID thenlper/gte-base gelistet ist. Es gehört zur Kategorie Embeddings, ist also kein Chat- oder Textgenerierungsmodell. Seine Aufgabe ist es, Text in Vektoren umzuwandeln, die Bedeutung repräsentieren, und der…

Thenlper: GTE-Large

thenlper/gte-large

Thenlper: GTE-Large ist ein Embedding-Modell von Thenlper, das auf api14 unter der Modell-ID thenlper/gte-large gelistet ist. Es befindet sich in der Kategorie Embeddings, was bedeutet, dass seine Aufgabe nicht darin besteht, Chat-Antworten zu generieren, sondern Text in Vektoren umzuwandeln, die…

Intfloat: E5-Large-v2

intfloat/e5-large-v2

Intfloat: E5-Large-v2 ist ein Embeddings-Modell von Intfloat. Es gehört zur Kategorie der Embeddings, was bedeutet, dass seine Aufgabe darin besteht, Text in Vektoren umzuwandeln, statt Chat-Antworten zu generieren. Der Anbieter beschreibt es als ein Modell, das englische Sätze, Absätze und…

Intfloat: E5-Base-v2

intfloat/e5-base-v2

Intfloat: E5-Base-v2 ist ein Embedding-Modell von Intfloat, das auf api14 unter der Modell-ID intfloat/e5-base-v2 gelistet ist. Es befindet sich in der Kategorie Embeddings, was bedeutet, dass es kein Chat- oder Textgenerierungsmodell ist. Statt Antworten zu erzeugen, wandelt es Text in Vektoren…

Intfloat: Multilingual-E5-Large

intfloat/multilingual-e5-large

Intfloat: Multilingual-E5-Large ist ein Embedding-Modell von Intfloat, das auf api14 in der Kategorie Embeddings gelistet ist. Es nimmt Text als Eingabe und gibt Embeddings als Ausgabe zurück, es ist also kein Chat- oder Textgenerierungsmodell. Sein Zweck ist es, Sprache in Vektoren umzuwandeln,…

Sentence Transformers: paraphrase-MiniLM-L6-v2

sentence-transformers/paraphrase-minilm-l6-v2

Sentence Transformers: paraphrase-MiniLM-L6-v2 ist ein Embedding-Modell von Sentence Transformers, das auf api14 in der Kategorie Embeddings gelistet ist. Es ist ein kompaktes Modell auf MiniLM-Basis, dessen Zweck es ist, Text in Vektoren umzuwandeln, statt Text zu generieren. Das für es erfasste…

Sentence Transformers: all-MiniLM-L12-v2

sentence-transformers/all-minilm-l12-v2

Sentence Transformers: all-MiniLM-L12-v2 ist ein Embedding-Modell von Sentence Transformers, das über api14 unter der Modell-ID sentence-transformers/all-minilm-l12-v2 bereitgestellt wird. Es gehört zur Kategorie Embeddings, seine Aufgabe ist es also nicht, Chat-Antworten zu generieren, sondern…

BAAI: bge-base-en-v1.5

baai/bge-base-en-v1.5

BAAI: bge-base-en-v1.5 ist ein Embedding-Modell von BAAI, der Beijing Academy of Artificial Intelligence. Es gehört zur Kategorie der Embeddings, was bedeutet, dass es nicht dafür gebaut ist, Chat-Antworten zu generieren oder Text zu vervollständigen. Stattdessen wandelt es Text in numerische…

Sentence Transformers: multi-qa-mpnet-base-dot-v1

sentence-transformers/multi-qa-mpnet-base-dot-v1

Sentence Transformers: multi-qa-mpnet-base-dot-v1 ist ein Embedding-Modell von Sentence Transformers, einem Anbieter, der für seine Modelle zur Darstellung auf Satzebene bekannt ist. Es gehört zur Kategorie der Embeddings, was bedeutet, dass es keinen Text generiert. Stattdessen wandelt es Text in…

BAAI: bge-large-en-v1.5

baai/bge-large-en-v1.5

BAAI bge-large-en-v1.5 ist ein Embedding-Modell von BAAI, der Beijing Academy of Artificial Intelligence. Es gehört zur Kategorie Embeddings und nicht zur Kategorie Chat, was bedeutet, dass es keinen Konversationstext generiert. Stattdessen wandelt es Text in Vektoren um, die Sie speichern,…

BAAI: bge-m3

baai/bge-m3

BAAI: bge-m3 ist ein Embedding-Modell von BAAI, der Beijing Academy of Artificial Intelligence. Es gehört zur Kategorie der Embeddings, was bedeutet, dass es dazu gebaut ist, Text in Vektoren umzuwandeln, statt Chat-Antworten zu erzeugen. Wenn Ihre Anwendung ein Modell benötigt, das Fragen…

Sentence Transformers: all-mpnet-base-v2

sentence-transformers/all-mpnet-base-v2

Sentence Transformers: all-mpnet-base-v2 ist ein Embedding-Modell von Sentence Transformers, einer Familie von Modellen, die darauf ausgelegt ist, Text in Vektoren umzuwandeln. Es gehört zur Kategorie der Embeddings, was bedeutet, dass es darauf ausgelegt ist, Repräsentationen von Text zu erzeugen,…

Sentence Transformers: all-MiniLM-L6-v2

sentence-transformers/all-minilm-l6-v2

Sentence Transformers: all-MiniLM-L6-v2 ist ein Embedding-Modell von Sentence Transformers, das auf api14 in der Kategorie embeddings gelistet ist. Es ist ein kompaktes Satz-Embedding-Modell und kein Chat- oder Textgenerierungsmodell, seine Aufgabe besteht also darin, Text in Vektoren umzuwandeln,…

Mistral: Mistral Embed 2312

mistralai/mistral-embed-2312

Mistral Embed 2312 ist ein Embedding-Modell von Mistral, gelistet auf api14 unter der Modell-ID mistralai/mistral-embed-2312. Es befindet sich in der Kategorie Embeddings, was bedeutet, dass seine Aufgabe darin besteht, Text in Vektoren umzuwandeln, anstatt Chat-Antworten zu generieren. Mistral AI…

Google: Gemini Embedding 001

google/gemini-embedding-001

Google: Gemini Embedding 001 ist ein Embedding-Modell von Google, gelistet auf api14 unter der Modell-ID google/gemini-embedding-001. Es gehört zur Kategorie Embeddings, und Google hat es am 31. Oktober 2025 veröffentlicht. Sein Zweck ist es, Text in Vektorrepräsentationen umzuwandeln, die Sie…

OpenAI: Text Embedding Ada 002

openai/text-embedding-ada-002

OpenAI: Text Embedding Ada 002 ist ein Embeddings-Modell von OpenAI, das auf api14 unter der Modell-ID openai/text-embedding-ada-002 gelistet ist. Es gehört zur Kategorie Embeddings und wird vom Anbieter als OpenAIs Legacy-Text-Embedding-Modell beschrieben. Wenn Sie schon einmal mit den…

OpenAI: Text Embedding Ada 002 (batch)

openai/text-embedding-ada-002:batch

OpenAI: Text Embedding Ada 002 (batch) ist ein Embeddings-Modell von OpenAI, das über api14 unter der Modell-ID openai/text-embedding-ada-002:batch bereitgestellt wird. Es gehört zur Kategorie Embeddings, und OpenAI bezeichnet text-embedding-ada-002 als sein Legacy-Text-Embedding-Modell. Wer…

Mistral: Codestral Embed 2505

mistralai/codestral-embed-2505

Mistral Codestral Embed 2505 ist ein Embeddings-Modell von Mistral, veröffentlicht am 30. Oktober 2025 und auf api14 unter der Modell-ID mistralai/codestral-embed-2505 publiziert. Es gehört zur Kategorie Embeddings und nicht zur Kategorie Chat, was bedeutet, dass es nicht dafür gebaut ist, ein…

OpenAI: Text Embedding 3 Large

openai/text-embedding-3-large

OpenAI: Text Embedding 3 Large ist ein Embedding-Modell von OpenAI, das auf api14 unter der Modell-ID openai/text-embedding-3-large gelistet ist. Es befindet sich in der Kategorie Embeddings und nicht in der Kategorie Chat, was bedeutet, dass es dazu dient, Text in Vektoren umzuwandeln, statt…

OpenAI: Text Embedding 3 Large (batch)

openai/text-embedding-3-large:batch

OpenAI: Text Embedding 3 Large (batch) ist ein Embedding-Modell von OpenAI. Es gehört zur Kategorie der Embeddings, und OpenAI beschreibt text-embedding-3-large als sein leistungsfähigstes Embedding-Modell sowohl für englische als auch für nicht-englische Aufgaben. Die Batch-Variante, die auf api14…

OpenAI: Text Embedding 3 Small

openai/text-embedding-3-small

OpenAI: Text Embedding 3 Small ist ein Embedding-Modell von OpenAI, das auf api14 unter der Modell-ID openai/text-embedding-3-small gelistet ist. Es gehört zur Kategorie Embeddings, und OpenAI beschreibt es als eine verbesserte, leistungsfähigere Version des ada-Embedding-Modells. Statt…

OpenAI: Text Embedding 3 Small (batch)

openai/text-embedding-3-small:batch

OpenAI: Text Embedding 3 Small (batch) ist ein Embedding-Modell von OpenAI, das über api14 angeboten wird. Es gehört zur Kategorie der Embeddings, und seine Modell-ID auf api14 ist openai/text-embedding-3-small:batch. OpenAI beschreibt text-embedding-3-small als eine verbesserte, leistungsfähigere…

Qwen: Qwen3 Embedding 8B

qwen/qwen3-embedding-8b

Qwen3 Embedding 8B ist ein Text-Embedding-Modell von Qwen, Teil der Qwen3 Embedding-Serie, die Qwen als seine neueste proprietäre Linie beschreibt, die speziell für Text-Embedding- und Ranking-Aufgaben entwickelt wurde. Es befindet sich in der Kategorie Embeddings und nicht in der Kategorie Chat,…

Qwen: Qwen3 Embedding 4B

qwen/qwen3-embedding-4b

Qwen: Qwen3 Embedding 4B ist ein Embedding-Modell von Qwen, Teil der Qwen3 Embedding-Serie. Die Serie wird als Qwens neueste proprietäre Modellfamilie beschrieben, die speziell für Text-Embedding- und Ranking-Aufgaben entwickelt wurde, und sie erbt die Mehrsprachigkeitsfähigkeiten und die…