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।

Sentence Transformers: all-mpnet-base-v2

sentence-transformers/all-mpnet-base-v2

Embeddingsइनपुट: text1K17 नव॰ 2025 को जोड़ा गया

playground में खोलें Sentence Transformers: all-mpnet-base-v2 के लिए API key पाएं

Sentence Transformers: all-mpnet-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

Sentence Transformers: all-mpnet-base-v2 एक नज़र में

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

Sentence Transformers: all-mpnet-base-v2 के बारे में

Sentence Transformers: all-mpnet-base-v2, Sentence Transformers का एक embedding मॉडल है, जो मॉडलों का एक परिवार है जिसे टेक्स्ट को वेक्टर में बदलने के लिए बनाया गया है। यह embeddings श्रेणी में आता है, यानी इसे टेक्स्ट का प्रतिनिधित्व बनाने के लिए डिज़ाइन किया गया है, न कि स्वयं टेक्स्ट उत्पन्न करने के लिए। मॉडल वाक्यों और छोटे पैराग्राफों को 768-आयामी dense vector space में encode करता है, और इसके provider द्वारा इसे semantic कार्यों के लिए एक high-fidelity विकल्प के रूप में प्रस्तुत किया गया है।

इनपुट की ओर, मॉडल केवल टेक्स्ट स्वीकार करता है। आउटपुट की ओर, यह शब्दों या chat संदेशों के बजाय embeddings लौटाता है, इसलिए आपको इससे प्रश्नों के उत्तर या बातचीत की अपेक्षा नहीं करनी चाहिए। context length 512 tokens है, और अधिकतम आउटपुट 460 है। व्यवहार में दोनों संख्याएँ महत्वपूर्ण हैं: 512 token की विंडो एक वाक्य या एक छोटे पैराग्राफ को कवर करती है, और इससे लंबे किसी भी टेक्स्ट को भेजने से पहले विभाजित करना होगा। यह जो embedding लौटाता है वह 768-आयामी वेक्टर है।

ये क्षमताएँ उपयोगों के एक काफी विशिष्ट समूह की ओर संकेत करती हैं। Information retrieval इसके लिए स्वाभाविक है, जहाँ आप एक query और एक corpus को embed करके उनकी तुलना करते हैं। Clustering भी एक है, क्योंकि 768-आयामी space में पास-पास स्थित वाक्य अक्सर एक ही विषय के होते हैं। Similarity scoring सीधे इसी से निकलता है, उदाहरण के लिए किसी संदर्भ के विरुद्ध उम्मीदवार passages की रैंकिंग करना, या लगभग-समान टेक्स्ट का पता लगाना। चूँकि मॉडल वाक्यों और छोटे पैराग्राफों को संभालता है, ये कार्य तब सबसे अच्छा करते हैं जब आप जो भी इनपुट embed करते हैं वह छोटा और स्वयंपूर्ण हो।

आप इसे api14 के OpenAI-संगत API के माध्यम से कॉल करते हैं, model id "sentence-transformers/all-mpnet-base-v2" का उपयोग करके। चूँकि इंटरफ़ेस OpenAI embeddings के स्वरूप का अनुसरण करता है, जो मौजूदा clients और libraries उस endpoint को लक्षित करते हैं उन्हें विशेष handling के बिना api14 की ओर इंगित किया जा सकता है। ध्यान दें कि यह मॉडल कोई supported parameters सूचीबद्ध नहीं करता, इसलिए request body में model id और input text होना चाहिए, और आपको यह अपेक्षा नहीं करनी चाहिए कि dimensions या encoding format जैसे वैकल्पिक knobs लागू किए जाएँगे।

512 token का context और 460 का आउटपुट कैप यहाँ मुख्य व्यावहारिक सीमाएँ हैं। यदि आपका टेक्स्ट एक वाक्य या एक छोटे पैराग्राफ से लंबा है, तो उसे chunks में विभाजित करें और प्रत्येक को embed करें, फिर परिणामों को संयोजित करें। और यदि आपको वास्तव में वेक्टर के बजाय उत्पन्न टेक्स्ट चाहिए, तो एक generative chat मॉडल बेहतर फिट होगा; यह मॉडल केवल embeddings उत्पन्न करता है।

Sentence Transformers: all-mpnet-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 "sentence-transformers/all-mpnet-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": "sentence-transformers/all-mpnet-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

Sentence Transformers: all-mpnet-base-v2: अक्सर पूछे जाने वाले सवाल

Sentence Transformers: all-mpnet-base-v2 API की कीमत कितनी है?: Sentence Transformers: all-mpnet-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।
Sentence Transformers: all-mpnet-base-v2 की context window कितनी है?: Sentence Transformers: all-mpnet-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।
Sentence Transformers: all-mpnet-base-v2 क्या कर सकता है?: Sentence Transformers: all-mpnet-base-v2 text स्वीकार करता है और embeddings लौटाता है।
अपने कोड से Sentence Transformers: all-mpnet-base-v2 कैसे कॉल करूं?: किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "sentence-transformers/all-mpnet-base-v2" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
Sentence Transformers: all-mpnet-base-v2 के विकल्प क्या हैं?: मिलती-जुलती कीमत वाले Embeddings मॉडल: Thenlper: GTE-Base, Intfloat: E5-Base-v2, Sentence Transformers: paraphrase-MiniLM-L6-v2। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।

Sentence Transformers: all-mpnet-base-v2 कम्युनिटी

नया टॉपिक

इस कम्युनिटी में अभी कोई टॉपिक नहीं है। Sentence Transformers: all-mpnet-base-v2 के बारे में पहला टॉपिक खोलें।