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: multi-qa-mpnet-base-dot-v1
sentence-transformers/multi-qa-mpnet-base-dot-v1Sentence Transformers: multi-qa-mpnet-base-dot-v1 अभी आज़माएं
ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।
नतीजे यहां दिखेंगे।
सेटिंग्स
Sentence Transformers: multi-qa-mpnet-base-dot-v1 एक नज़र में
- इनपुट कीमत 34 Embeddings मॉडल के मीडियन से 75% कम है।
Sentence Transformers: multi-qa-mpnet-base-dot-v1 के बारे में
सेंटेंस ट्रांसफॉर्मर्स: multi-qa-mpnet-base-dot-v1, सेंटेंस ट्रांसफॉर्मर्स का एक एम्बेडिंग मॉडल है, जो अपने वाक्य-स्तरीय प्रतिनिधित्व मॉडल के लिए जाना जाने वाला प्रोवाइडर है। यह एम्बेडिंग श्रेणी में आता है, जिसका अर्थ है कि यह टेक्स्ट जनरेट नहीं करता। इसके बजाय, यह टेक्स्ट को वेक्टर में बदलता है जिन्हें आप संग्रहीत, तुलना और खोज सकते हैं। मॉडल को प्रोवाइडर द्वारा 2025-11-18 को रिलीज़ किया गया था।
मॉडल इनपुट के रूप में टेक्स्ट लेता है और आउटपुट के रूप में एम्बेडिंग लौटाता है। यह वाक्यों और छोटे पैराग्राफों को 768-आयामी सघन वेक्टर स्पेस में मैप करता है, और यह प्रश्न-उत्तर पुनर्प्राप्ति, सेमांटिक सर्च और विविध सामग्री में समानता स्कोरिंग के लिए अनुकूलित है। कॉन्टेक्स्ट विंडो 512 टोकन है, इसलिए प्रत्येक अनुरोध में लंबे दस्तावेज़ के बजाय एक ही वाक्य या छोटा पैराग्राफ होना चाहिए। अधिकतम आउटपुट 460 है, जो इस मामले में जनरेट किए गए टेक्स्ट के बजाय एम्बेडिंग आउटपुट से संबंधित है।
चूंकि मॉडल प्रश्न-उत्तर पुनर्प्राप्ति के लिए ट्यून किया गया है, सबसे सीधा उपयोग केस दस्तावेज़ संग्रह पर एक पुनर्प्राप्ति परत बनाना है। आप अपने पैसेज को एक बार एम्बेड करते हैं, क्वेरी के समय उपयोगकर्ता के प्रश्न को एम्बेड करते हैं, और समानता के आधार पर पैसेज को रैंक करते हैं। यही गुण इसे सेमांटिक सर्च के लिए उपयोगी बनाता है, जहां आप सटीक कीवर्ड ओवरलैप के बजाय अर्थ के आधार पर मिलान चाहते हैं, और दो टेक्स्ट के टुकड़ों के बीच समानता स्कोरिंग के लिए, जैसे डुप्लीकेशन हटाना या संबंधित आइटम को समूहित करना। यह क्लस्टरिंग और वर्गीकरण पाइपलाइनों के लिए भी उपयुक्त है जिन्हें छोटे टेक्स्ट के निश्चित-लंबाई वेक्टर प्रतिनिधित्व की आवश्यकता होती है।
आप इसे मॉडल आईडी "sentence-transformers/multi-qa-mpnet-base-dot-v1" का उपयोग करके api14 के OpenAI-संगत API के माध्यम से कॉल करते हैं। चूंकि API OpenAI प्रारूप का पालन करता है, आप एक मौजूदा OpenAI क्लाइंट को api14 बेस URL पर इंगित कर सकते हैं और अपना टेक्स्ट एम्बेडिंग एंडपॉइंट पर भेज सकते हैं। मॉडल कोई अतिरिक्त अनुरोध पैरामीटर समर्थित नहीं करता, इसलिए अनुरोधों को सरल रखें और डिफ़ॉल्ट पर भरोसा करें। जिस टेक्स्ट को एम्बेड करना है उसे भेजें, फिर प्रतिक्रिया से लौटाए गए वेक्टर को पढ़ें और इसे अपने वेक्टर डेटाबेस में संग्रहीत करें या सीधे अन्य वेक्टर के साथ तुलना करें।
ध्यान में रखने योग्य मुख्य बाधा 512 टोकन कॉन्टेक्स्ट विंडो है। लंबे दस्तावेज़ों को एम्बेड करने से पहले वाक्यों या छोटे पैराग्राफों में विभाजित करने की आवश्यकता होगी, और आपको तदनुसार अपनी चंकिंग रणनीति की योजना बनानी चाहिए। यदि आपके कार्य के लिए वेक्टर उत्पन्न करने के बजाय टेक्स्ट जनरेट करना, सारांशित करना या सीधे प्रश्नों का उत्तर देना आवश्यक है, तो एम्बेडिंग मॉडल उपयुक्त नहीं है और आपको इसके बजाय टेक्स्ट जनरेशन मॉडल चुनना चाहिए।
Sentence Transformers: multi-qa-mpnet-base-dot-v1 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/multi-qa-mpnet-base-dot-v1" 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/multi-qa-mpnet-base-dot-v1",
"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: multi-qa-mpnet-base-dot-v1: अक्सर पूछे जाने वाले सवाल
- Sentence Transformers: multi-qa-mpnet-base-dot-v1 API की कीमत कितनी है?
- Sentence Transformers: multi-qa-mpnet-base-dot-v1 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: multi-qa-mpnet-base-dot-v1 की context window कितनी है?
- Sentence Transformers: multi-qa-mpnet-base-dot-v1 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: multi-qa-mpnet-base-dot-v1 क्या कर सकता है?
- Sentence Transformers: multi-qa-mpnet-base-dot-v1 text स्वीकार करता है और embeddings लौटाता है।
- अपने कोड से Sentence Transformers: multi-qa-mpnet-base-dot-v1 कैसे कॉल करूं?
- किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "sentence-transformers/multi-qa-mpnet-base-dot-v1" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
- Sentence Transformers: multi-qa-mpnet-base-dot-v1 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: multi-qa-mpnet-base-dot-v1 कम्युनिटी
नया टॉपिकइस कम्युनिटी में अभी कोई टॉपिक नहीं है। Sentence Transformers: multi-qa-mpnet-base-dot-v1 के बारे में पहला टॉपिक खोलें।