हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।

Intfloat: E5-Base-v2

intfloat/e5-base-v2

Embeddingsइनपुट: text1K18 नव॰ 2025 को जोड़ा गया

playground में खोलें Intfloat: E5-Base-v2 के लिए API key पाएं

Intfloat: E5-Base-v2 अभी आज़माएं

ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।

इसे इस्तेमाल करने के लिए साइन इन करेंमुफ्त अकाउंट बनाएं

इनपुट (हर लाइन में एक)

नतीजे यहां दिखेंगे।

आज 5 में से 5 मुफ्त मैसेज बाकी, मुफ्त अकाउंट से अतिरिक्त मुफ्त उपयोग और API key मिलती है।मुफ्त अकाउंट बनाएं साइन इनसेशन लागत $0.00

Intfloat: E5-Base-v2 एक नज़र में

इनपुट कीमत 34 Embeddings मॉडल के मीडियन से 75% कम है।

Intfloat: E5-Base-v2 के बारे में

Intfloat: E5-Base-v2, Intfloat का एक embedding मॉडल है, जो api14 पर मॉडल id intfloat/e5-base-v2 के अंतर्गत सूचीबद्ध है। यह embeddings श्रेणी में आता है, जिसका अर्थ है कि यह chat या text generation मॉडल नहीं है। उत्तर उत्पन्न करने के बजाय, यह टेक्स्ट को vectors में बदलता है जिन्हें आप संग्रहीत, तुलना और खोज सकते हैं। इसके लिए दर्ज provider release date 2025-11-18 है।

मॉडल अपने इनपुट के रूप में केवल टेक्स्ट लेता है और अपने आउटपुट के रूप में केवल embeddings लौटाता है। यह अंग्रेजी वाक्यों और अनुच्छेदों को 768-आयामी dense vector space में encode करता है, और provider परिणाम को कुशल, उच्च-गुणवत्ता वाले semantic embeddings के रूप में वर्णित करता है। context window 512 tokens है, इसलिए प्रत्येक अनुरोध में एक ही passage या query होनी चाहिए जो उस सीमा के भीतर फिट हो। अधिकतम आउटपुट 460 है, जो व्यवहार में उस टेक्स्ट इकाई के आकार को सीमित करता है जिसे आप एक call में भेजते हैं। मूल अनुरोध फ़ील्ड के अलावा कोई अतिरिक्त समर्थित पैरामीटर नहीं हैं, इसलिए आप generative मॉडल की तरह sampling style विकल्पों से व्यवहार को ट्यून नहीं कर सकते।

ये विशेषताएँ उपयोगों के एक काफी विशिष्ट समूह की ओर संकेत करती हैं। Semantic search स्पष्ट है: अपने दस्तावेज़ों को एक बार embed करें, अनुरोध के समय उपयोगकर्ता query को embed करें, फिर vector similarity के आधार पर रैंक करें। यही तंत्र दो टेक्स्ट के टुकड़ों के बीच similarity scoring, लगभग-समान रिकॉर्ड के deduplication, वाक्यों या अनुच्छेदों के clustering, और RAG pipeline में retrieval चरणों को कवर करता है जहाँ आपको candidate passages को generation मॉडल को सौंपने से पहले प्राप्त करने के लिए एक compact अंग्रेजी embedding चाहिए। चूँकि vectors dense और 768-आयामी हैं, वे विशेष handling के बिना मानक vector stores और cosine similarity टूलिंग के साथ काम करते हैं।

आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल id intfloat/e5-base-v2 का उपयोग करके call करते हैं। चूँकि इंटरफ़ेस OpenAI embeddings आकार का अनुसरण करता है, आप अपना टेक्स्ट input फ़ील्ड में भेजते हैं और response से vector वापस पढ़ते हैं, इसलिए मौजूदा OpenAI client libraries और embedding pipelines को आम तौर पर केवल base URL और model id बदलने की आवश्यकता होती है। मॉडल कोई अतिरिक्त पैरामीटर समर्थित नहीं करता, इसलिए अनुरोधों को आवश्यक बातों तक सीमित रखें और ऐसे tuning विकल्प पास करने से बचें जिनका यहाँ कोई प्रभाव नहीं है।

योजना बनाते समय ध्यान रखने वाली मुख्य बाधा 512-token context है। लंबे दस्तावेज़ों को embedding से पहले chunking की आवश्यकता होगी, और अंग्रेजी से परे कुछ भी provider विवरण के दायरे से बाहर है। यदि आपका कार्य टेक्स्ट को प्रस्तुत करने के बजाय उत्पन्न करना है, तो chat या completion मॉडल सही विकल्प है; E5-Base-v2 को एक बड़े सिस्टम के retrieval और similarity घटक के रूप में मानना सबसे अच्छा है।

Intfloat: E5-Base-v2 API कैसे कॉल करें

अपने dashboard में API key बनाएं।
अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
baseURL को https://api14.com/api/v1 और model को "intfloat/e5-base-v2" पर सेट करें।

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": "intfloat/e5-base-v2",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

स्पेसिफिकेशन

Context लंबाई: 512
अधिकतम आउटपुट: 460
इनपुट: text
आउटपुट: embeddings

api14 पर requests · पिछले 7 दिन

Intfloat: E5-Base-v2: अक्सर पूछे जाने वाले सवाल

Intfloat: E5-Base-v2 API की कीमत कितनी है?: Intfloat: E5-Base-v2 की कीमत इनपुट $0.02 / 1M tokens है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
Intfloat: E5-Base-v2 की context window कितनी है?: Intfloat: E5-Base-v2 हर request में 512 tokens तक पढ़ता है, prompt, इतिहास और दस्तावेज़ मिलाकर। यह हर जवाब में 460 आउटपुट tokens तक लिखता है।
Intfloat: E5-Base-v2 क्या कर सकता है?: Intfloat: E5-Base-v2 text स्वीकार करता है और embeddings लौटाता है।
अपने कोड से Intfloat: E5-Base-v2 कैसे कॉल करूं?: किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "intfloat/e5-base-v2" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
Intfloat: E5-Base-v2 के विकल्प क्या हैं?: मिलती-जुलती कीमत वाले Embeddings मॉडल: Thenlper: GTE-Base, Sentence Transformers: paraphrase-MiniLM-L6-v2, Sentence Transformers: all-MiniLM-L12-v2। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।

Intfloat: E5-Base-v2 कम्युनिटी

नया टॉपिक

इस कम्युनिटी में अभी कोई टॉपिक नहीं है। Intfloat: E5-Base-v2 के बारे में पहला टॉपिक खोलें।