Nous utilisons des cookies. Les cookies et le stockage du navigateur vous gardent connecté et mémorisent vos préférences. Avec votre accord, nous mesurons aussi l’utilisation du site. Vous pouvez à tout moment. Consultez notre politique relative aux cookies.
cohere/embed-5-proUtilise votre solde aux prix indiqués ci-dessus. Les nouveaux comptes démarrent avec une consommation gratuite.
Paramètres
Cohere : Embed 5 Pro est un modèle d'embedding multimodal de Cohere, positionné comme le niveau de précision supérieur de la famille Embed 5. Il est conçu pour produire des embeddings plutôt que pour générer du texte, et il se situe dans la catégorie des embeddings parmi les modèles disponibles via api14.
Le modèle accepte en entrée du texte, des images, ainsi que du contenu texte et image entrelacé, et il renvoie des embeddings en sortie. Il prend en charge une longueur de contexte allant jusqu'à 128 000 tokens, avec une sortie maximale de 115 200. Comme il gère les deux modalités et leurs combinaisons, le même modèle peut produire l'embedding d'un paragraphe, d'une capture d'écran ou d'une page de document où texte et visuels apparaissent ensemble, ce qui évite aux pipelines de retrieval d'avoir besoin de modèles d'embedding distincts pour le texte et les images.
Les usages pratiques découlent directement de cela. La recherche sémantique et la génération augmentée par retrieval sur des corpus mixtes sont les applications évidentes, y compris les bases de connaissances où articles, diagrammes et pages scannées cohabitent. Les systèmes de recommandation et de similarité peuvent utiliser les embeddings pour comparer des éléments à travers des représentations textuelles et imagées. Le clustering, la déduplication et la classification sur de grands ensembles de documents fonctionnent également bien, puisque le modèle peut placer texte et images dans un espace d'embedding partagé. La recherche multimodale, où une requête textuelle retrouve des images pertinentes ou une requête visuelle retrouve des passages pertinents, est une autre application naturelle.
Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "cohere/embed-5-pro". Comme le point d'accès suit le format d'embeddings d'OpenAI, les clients et SDK existants qui pointent déjà vers une URL de base compatible OpenAI fonctionnent sans modification autre que l'identifiant de modèle. Le modèle ne liste aucun paramètre de requête pris en charge, donc les requêtes reposent sur les entrées standard d'embeddings : le contenu à transformer en embedding et l'identifiant de modèle lui-même. Il n'y a aucun paramètre d'échantillonnage ou de génération à configurer, puisque le modèle ne produit que des embeddings.
Si votre tâche est la génération de texte, le chat ou toute forme de complétion, ce n'est pas le bon modèle, car sa seule sortie est constituée d'embeddings. Il vaut également la peine de vérifier si un modèle d'embedding texte uniquement suffit pour vos données ; si votre corpus ne contient ni images ni contenu entrelacé, la capacité multimodale reste inutilisée. Pour les charges de travail qui impliquent des images ou du contenu mixte, Embed 5 Pro est l'option de précision supérieure au sein de la famille 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));
Cette communauté n’a encore aucun sujet. Ouvrez le premier sur Cohere: Embed 5 Pro.