Intfloat: E5-Base-v2

Intfloat: E5-Base-v2 は Intfloat の埋め込みモデルで、api14 にモデル ID intfloat/e5-base-v2 として掲載されています。これは埋め込みカテゴリに属しており、チャットモデルやテキスト生成モデルではないことを意味します。返答を生成する代わりに、テキストをベクトルに変換し、それを保存、比較、検索できます。記録されているプロバイダーのリリース日は 2025-11-18 です。

このモデルはテキストのみを入力として受け取り、埋め込みのみを出力として返します。英語の文と段落を 768 次元の密ベクトル空間にエンコードし、プロバイダーはその結果を効率的で高品質な意味的埋め込みと説明しています。コンテキストウィンドウは 512 トークンなので、各リクエストにはその範囲に収まる単一の passage または query を含める必要があります。最大出力は 460 で、実際には 1 回の呼び出しで送信するテキスト単位のサイズを制限します。コアなリクエストフィールド以外に追加でサポートされるパラメータはないため、生成モデルのようにサンプリング方式のオプションで挙動を調整することはできません。

これらの特性は、かなり特定の用途群を示しています。明らかなのはセマンティック検索です。文書を一度埋め込み、リクエスト時にユーザークエリを埋め込み、ベクトル類似度でランク付けします。同じ仕組みは、2 つのテキスト間の類似度スコアリング、ほぼ同一のレコードの重複排除、文や段落のクラスタリング、および RAG パイプラインにおける検索ステップにも使えます。そこでは、生成モデルに渡す前に候補 passage を取得するためのコンパクトな英語埋め込みが必要です。ベクトルは密で 768 次元なので、特別な処理なしで標準的なベクトルストアとコサイン類似度のツール群で動作します。

api14 の OpenAI 互換 API を通じて、モデル ID intfloat/e5-base-v2 を使って呼び出します。インターフェースは OpenAI embeddings の形式に従っているため、input フィールドにテキストを送信し、レスポンスからベクトルを読み取ります。したがって、既存の OpenAI クライアントライブラリと埋め込みパイプラインは、通常 base URL とモデル ID を変更するだけで済みます。このモデルは追加パラメータをサポートしていないため、リクエストは必要最小限に保ち、ここでは効果のない調整オプションを渡すのは避けてください。

計画時に考慮すべき主な制約は 512 トークンのコンテキストです。長い文書は埋め込む前にチャンク分割が必要で、英語以外はプロバイダーの説明が対象とする範囲外です。タスクがテキストを表現することではなく生成することである場合、チャットモデルまたは completion モデルが適切な選択です。E5-Base-v2 は、より大きなシステムの検索および類似度コンポーネントとして扱うのが最適です。