Usamos cookies. Las cookies y el almacenamiento del navegador mantienen tu sesión iniciada y recuerdan tus preferencias. Con tu permiso, también medimos cómo se usa el sitio. Puedes en cualquier momento. Consulta nuestra política de cookies.
cohere/embed-5-proSe ejecuta con tu saldo a los precios indicados arriba. Las cuentas nuevas empiezan con uso gratuito.
Configuración
Cohere: Embed 5 Pro es un modelo de embedding multimodal de Cohere, posicionado como el nivel de mayor precisión de la familia Embed 5. Está diseñado para producir embeddings en lugar de generar texto, y se sitúa en la categoría de embeddings de los modelos disponibles a través de api14.
El modelo acepta texto, imágenes y contenido intercalado de texto e imagen como entrada, y devuelve embeddings como salida. Admite una longitud de contexto de hasta 128.000 tokens, con una salida máxima de 115.200. Debido a que maneja ambas modalidades y sus combinaciones, el mismo modelo puede generar embeddings de un párrafo, una captura de pantalla o una página de documento donde aparecen texto y elementos visuales juntos, lo que evita que los pipelines de recuperación necesiten modelos separados de embedding de texto e imagen.
Los usos prácticos se derivan directamente de eso. La búsqueda semántica y la generación aumentada por recuperación sobre corpus mixtos son los encajes obvios, incluidas las bases de conocimiento donde artículos, diagramas y páginas escaneadas conviven. Los sistemas de recomendación y similitud pueden usar los embeddings para comparar elementos entre representaciones de texto e imagen. El clustering, la deduplicación y la clasificación sobre grandes conjuntos de documentos también funcionan bien, ya que el modelo puede situar texto e imágenes en un espacio de embedding compartido. La búsqueda multimodal, donde una consulta de texto recupera imágenes relevantes o una consulta visual recupera pasajes relevantes, es otra aplicación natural.
Se llama al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "cohere/embed-5-pro". Debido a que el endpoint sigue el formato de embeddings de OpenAI, los clientes y SDK existentes que ya apuntan a una URL base compatible con OpenAI funcionan sin cambios más allá del id de modelo. El modelo no lista ningún parámetro de solicitud admitido, por lo que las solicitudes se basan en las entradas estándar de embeddings: el contenido a embeber y el propio id de modelo. No hay parámetros de muestreo ni de generación que configurar, ya que el modelo solo produce embeddings.
Si tu tarea es generación de texto, chat o cualquier forma de completado, este no es el modelo adecuado, porque su única salida son embeddings. También vale la pena comprobar si un modelo de embedding solo de texto es suficiente para tus datos; si tu corpus no contiene imágenes ni contenido intercalado, la capacidad multimodal queda sin usar. Para cargas de trabajo que sí incluyen imágenes o contenido mixto, Embed 5 Pro es la opción de mayor precisión dentro de la familia Embed 5.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.embeddings.create({
"model": "cohere/embed-5-pro",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
Esta comunidad aún no tiene temas. Abre el primero sobre Cohere: Embed 5 Pro.