モデル692 件のモデル

NVIDIA: Nemotron 3.5 Embed 1B (free)

nvidia/nemotron-3.5-embed-1b:free

Nemotron 3.5 Embed 1B は NVIDIA の埋め込みモデルで、プロバイダーによって 2026 年 10 月 21 日にリリースされました。これはチャットや生成のカテゴリではなく埋め込みカテゴリに属するため、その役割は文章による回答を生成することではなく、入力をベクトルに変換することです。名前は、それが属するファミリー (Nemotron 3.5)、その埋め込みとしての役割、そしておよそ 1B のパラメータ規模を反映しています。API…

NVIDIA: Nemotron 3.5 Embed 8B (free)

nvidia/nemotron-3.5-embed-8b:free

NVIDIA: Nemotron 3.5 Embed 8B (無料) は NVIDIA の埋め込みモデルで、api14 上でモデル ID nvidia/nemotron-3.5-embed-8b:free として公開されています。埋め込みカテゴリに属するため、チャット応答を生成するのではなく、入力をベクトル表現に変換するために作られています。プロバイダーのリリース日は 2026-10-21 です。検索や類似度のパイプライン向けにモデルを選ぶ場合、これは汎用のテキスト生成器ではなく、自分のデータに対して評価するタイプのモデルです。

LiquidAI: LFM2.5-Embedding-350M (free)

liquid/lfm-2.5-embedding-350m:free

LiquidAIはLFM2.5-Embedding-350Mを公開しました。これはLiquid AIによるテキスト埋め込みモデルで、api14上でモデルID liquid/lfm-2.5-embedding-350m:freeとして提供されています。これはチャットカテゴリではなく埋め込みカテゴリに属するため、会話型モデルではなく、文章による返答を生成しません。その唯一の役割は、テキストを意味を表すベクトルに変換することであり、ユーザーが直接会話するエンドポイントではなく、他のシステムの構成要素となります。プロバイダーは2026-08-18にこれをリリースしました。

VoyageAI by MongoDB: voyage-code-4

voyageai/voyage-code-4

voyage-code-4 は、MongoDB 企業である Voyage AI のコード埋め込みモデルです。これはチャットやテキスト生成のファミリーではなく埋め込みカテゴリに属するため、その役割は返信を書くことではなく、入力をベクトルに変換することです。プロバイダーのリリース日は 2026-08-13 です。ソースコードを対象とした検索、サーチ、エージェントツールを構築しているなら、これは評価対象となる種類のモデルです。

VoyageAI by MongoDB: voyage-multimodal-3.5

voyageai/voyage-multimodal-3.5

MongoDB による VoyageAI: voyage-multimodal-3.5 は、現在 MongoDB の一部となっている企業 Voyage AI によるマルチモーダル埋め込みモデルです。これはチャットカテゴリではなく埋め込みカテゴリに属するため、その役割はテキスト応答を生成することではなく、入力コンテンツをベクトルに変換することです。このモデルはプロバイダーによって 2026-07-27 にリリースされました。

VoyageAI by MongoDB: voyage-4-lite

voyageai/voyage-4-lite

voyage-4-lite は、Voyage の検索モデルファミリーを手がけ、現在は MongoDB の一部となっている企業 Voyage AI による埋め込みモデルです。これはチャットカテゴリではなく埋め込みカテゴリに属しており、つまりテキストを生成しません。代わりに、テキストをベクトルに変換し、それを保存して比較します。これは軽量な汎用モデルとして位置づけられており、最も難しい検索問題における最大精度よりも、低レイテンシとコストを重視して作られています。

VoyageAI by MongoDB: voyage-4

voyageai/voyage-4

voyage-4 は Voyage AI の汎用埋め込みモデルです。Voyage AI は現在 MongoDB の一部となっている Voyage 埋め込みファミリーを手がける企業です。これは api14 上にモデル id voyageai/voyage-4 で掲載されており、embeddings カテゴリに属するため、チャット応答を生成するのではなく、テキストをベクトルに変換するために作られています。検索やサーチシステム向けに埋め込みモデルを選ぶなら、これは他の汎用埋め込みの選択肢と並べて評価する種類のモデルです。

VoyageAI by MongoDB: voyage-4-large

voyageai/voyage-4-large

MongoDBによるVoyageAI: voyage-4-largeは、Voyage AIの埋め込みモデルです。Voyage AIは、そのモデルがVoyageAI by MongoDBという名前で配布されているプロバイダーです。これは埋め込みカテゴリに属しており、チャット応答を生成するのではなく、テキストをベクトルに変換するために構築されていることを意味します。検索や類似度のパイプライン向けにモデルを選ぶのであれば、これは会話能力ではなく埋め込み品質で評価する種類のモデルです。

NVIDIA: Nemotron 3 Embed 1B (free)

nvidia/nemotron-3-embed-1b:free

NVIDIA Nemotron 3 Embed 1B は、NVIDIA によるオープンなテキスト埋め込みモデルです。Nemotron 3 ファミリーに属し、api14 上で識別子 nvidia/nemotron-3-embed-1b:free として無料モデルとして配布されています。NVIDIA はこれを生成チャットモデルではなく埋め込みモデルとして位置付けており、その役割はテキストを保存、比較、検索できるベクトルに変換することです。プロバイダーによって 2026-07-16 にリリースされました。

Google: Gemini Embedding 2

google/gemini-embedding-2

Google: Gemini Embedding 2 は Google の埋め込みモデルで、api14 にモデル ID google/gemini-embedding-2 で掲載されています。embeddings カテゴリに属し、Google によって同社初のマルチモーダル埋め込みモデルと説明されています。チャット応答を生成するのではなく、入力をベクトルに変換して保存および比較できるようにするため、直接会話するアシスタントというよりも、検索および取得システムの構成要素となります。

Google: Gemini Embedding 2 (batch)

google/gemini-embedding-2:batch

Google: Gemini Embedding 2 (batch) は Google の埋め込みモデルです。api14 上で embeddings カテゴリに掲載されており、プロバイダーのリリース日は 2026-05-20 です。Google はこれを、同社初のマルチモーダル埋め込みモデルである Gemini Embedding 2 と説明しています。チャットの返信を生成するのではなく、保存して比較するベクトル表現を生成するため、対話するアシスタントというよりも検索および取得システムの構成要素となります。

Google: Gemini Embedding 2 Preview

google/gemini-embedding-2-preview

Google: Gemini Embedding 2 PreviewはGoogleの埋め込みモデルで、モデルID google/gemini-embedding-2-preview で公開されています。埋め込みカテゴリに属し、Googleはこれを同社初のマルチモーダル埋め込みモデルと説明しています。これはプレビューリリースであり、本番環境で依存することを計画している場合は留意する価値があります。

Perplexity: Embed V1 4B

perplexity/pplx-embed-v1-4b

Perplexity: Embed V1 4B は、Perplexity のテキスト埋め込みモデルで、プロバイダーによって 2026 年 3 月 16 日にリリースされました。これはチャットカテゴリではなく埋め込みカテゴリに属しており、つまり会話形式の回答を生成しません。代わりに、テキストをベクトル表現に変換し、それを保存して検索対象とします。名前の 4B はこのバリアントのパラメータ数を指し、Perplexity は pplx-embed-v1 ファミリーを実世界のウェブ規模の検索における最先端として位置づけており、そのファミリー内で 4B モデルが検索品質を最大化します。

Perplexity: Embed V1 0.6B

perplexity/pplx-embed-v1-0.6b

Perplexity: Embed V1 0.6B は、2026年3月16日にリリースされた Perplexity のテキスト埋め込みモデルです。これは pplx-embed-v1 ファミリーに属し、Perplexity はこれを、実世界のウェブスケール検索向けに構築された最先端のテキスト埋め込みモデルと説明しています。0.6B パラメータ版は軽量で低レイテンシの用途を対象としており、ファミリー内で最大のものではなく、より小さい選択肢となっています。

NVIDIA: Llama Nemotron Embed VL 1B V2 (free)

nvidia/llama-nemotron-embed-vl-1b-v2:free

Llama Nemotron Embed VL 1B V2 は NVIDIA の埋め込みモデルで、api14 上でモデル ID nvidia/llama-nemotron-embed-vl-1b-v2:free として配布されています。embeddings カテゴリに属し、その公称用途はマルチモーダル質問応答検索です。これは 1B クラスのモデルであり、Nemotron ファミリーの中では小規模な選択肢に位置づけられ、ここでは無料のバリアントとして提供されています。

Thenlper: GTE-Base

thenlper/gte-base

Thenlper: GTE-Base は Thenlper の埋め込みモデルで、api14 にモデル ID thenlper/gte-base として掲載されています。埋め込みカテゴリに属するため、チャットやテキスト生成のモデルではありません。その役割はテキストを意味を表すベクトルに変換することであり、プロバイダーは英語の文と段落を 768 次元の密ベクトル空間にエンコードすると説明しています。プロバイダーによるリリース日は 2025-11-18 です。

Thenlper: GTE-Large

thenlper/gte-large

Thenlper: GTE-Large は Thenlper の埋め込みモデルで、api14 にモデル ID thenlper/gte-large 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、つまりその役割はチャットの返信を生成することではなく、テキストを保存、比較、検索できるベクトルに変換することです。アプリケーションが自由形式の生成ではなく意味的類似性に依存しているなら、これは評価対象となる種類のモデルです。

Intfloat: E5-Large-v2

intfloat/e5-large-v2

Intfloat: E5-Large-v2 は Intfloat の埋め込みモデルです。これは埋め込みカテゴリに属しており、つまりチャット応答を生成するのではなく、テキストをベクトルに変換することを役割としています。プロバイダーはこれを、英語の文、段落、文書を 1024 次元の密ベクトル空間にマッピングするものと説明しており、高精度な意味的埋め込みを目的としています。アプリケーションが、書かれた回答ではなく意味を捉えたテキストの表現を必要とするなら、これはまさに手に取るような種類のモデルです。

Intfloat: E5-Base-v2

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。

Intfloat: Multilingual-E5-Large

intfloat/multilingual-e5-large

Intfloat: Multilingual-E5-Large は Intfloat の埋め込みモデルで、api14 の embeddings カテゴリに掲載されています。テキストを入力として受け取り、埋め込みを出力として返すため、チャットモデルやテキスト生成モデルではありません。その目的は、言語をベクトルに変換し、保存、比較、検索に使えるようにすることです。プロバイダーはこれを、90 以上の言語にわたる文、段落、文書を 1024 次元の密ベクトル空間にエンコードするものと説明しており、多言語検索と言語間の類似度に合わせて調整された意味的埋め込みを備えています。

Sentence Transformers: paraphrase-MiniLM-L6-v2

sentence-transformers/paraphrase-minilm-l6-v2

Sentence Transformers: paraphrase-MiniLM-L6-v2 は Sentence Transformers の埋め込みモデルで、api14 の embeddings カテゴリに掲載されています。これはコンパクトな MiniLM ベースのモデルで、その目的はテキストを生成することではなく、テキストをベクトルに変換することです。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。

Sentence Transformers: all-MiniLM-L12-v2

sentence-transformers/all-minilm-l12-v2

Sentence Transformers: all-MiniLM-L12-v2 は Sentence Transformers の埋め込みモデルで、api14 を通じてモデル id sentence-transformers/all-minilm-l12-v2 で配布されています。これは embeddings カテゴリに属するため、その役割はチャットの返信を生成することではなく、テキストを保存、比較、検索できるベクトルに変換することです。提供元のリリース日は 2025-11-18 と記載されています。

BAAI: bge-base-en-v1.5

baai/bge-base-en-v1.5

BAAI: bge-base-en-v1.5 は、北京人工知能アカデミーである BAAI の埋め込みモデルです。これは embeddings カテゴリに属します。つまり、チャットの返信を生成したりテキストを補完したりするために作られたものではありません。代わりに、テキストを数値ベクトルに変換します。これは英語のモデルであり、名前の v1.5 はこれが bge-base-en ファミリーの 1.5…

Sentence Transformers: multi-qa-mpnet-base-dot-v1

sentence-transformers/multi-qa-mpnet-base-dot-v1

Sentence Transformers: multi-qa-mpnet-base-dot-v1 は、文レベルの表現モデルで知られるプロバイダーである Sentence Transformers の埋め込みモデルです。これは埋め込みカテゴリに属しており、つまりテキストを生成しません。代わりに、テキストを保存、比較、検索できるベクトルに変換します。このモデルはプロバイダーによって 2025-11-18 にリリースされました。

BAAI: bge-large-en-v1.5

baai/bge-large-en-v1.5

BAAI bge-large-en-v1.5 は、北京人工知能アカデミー（BAAI）による埋め込みモデルです。これはチャットカテゴリではなく埋め込みカテゴリに属しており、つまり会話テキストを生成しません。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。このモデルはプロバイダーによって 2025-11-18 にリリースされました。

BAAI: bge-m3

baai/bge-m3

BAAI: bge-m3 は、北京人工知能アカデミー (Beijing Academy of Artificial Intelligence) である BAAI の埋め込みモデルです。これは埋め込みカテゴリに属しており、チャット応答を生成するのではなく、テキストをベクトルに変換するために構築されていることを意味します。アプリケーションが質問に答えたりテキストを書いたりするモデルを必要としているなら、これはその種のモデルではありません。これは、他のシステムがテキストを比較、検索、取得できるように、テキストを数値的に表現するために存在します。

Sentence Transformers: all-mpnet-base-v2

sentence-transformers/all-mpnet-base-v2

Sentence Transformers: all-mpnet-base-v2 は、テキストをベクトルに変換するために作られたモデル群である Sentence Transformers の埋め込みモデルです。これは埋め込みカテゴリに属しており、テキスト自体を生成するのではなく、テキストの表現を生成するように設計されていることを意味します。このモデルは文と短い段落を 768 次元の密ベクトル空間にエンコードし、提供元によって意味処理向けの高忠実度オプションとして位置づけられています。

Sentence Transformers: all-MiniLM-L6-v2

sentence-transformers/all-minilm-l6-v2

Sentence Transformers: all-MiniLM-L6-v2 は Sentence Transformers の埋め込みモデルで、api14 の embeddings カテゴリに掲載されています。これはチャットやテキスト生成モデルではなくコンパクトな文埋め込みモデルなので、その役割はテキストを意味を捉えたベクトルに変換することです。セマンティック検索、重複排除、クラスタリングを構築しているなら、生成モデルではなくこの種のモデルに手を伸ばすことになります。

Mistral: Mistral Embed 2312

mistralai/mistral-embed-2312

Mistral Embed 2312 は Mistral の埋め込みモデルで、api14 にモデル id mistralai/mistral-embed-2312 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、つまりチャットの返信を生成するのではなく、テキストをベクトルに変換する役割を持ちます。Mistral AI はこれをテキストデータ向けの専用モデルとして開発し、記録されているプロバイダーのリリース日は 2025-10-31 です。

Google: Gemini Embedding 001

google/gemini-embedding-001

Google: Gemini Embedding 001 は Google の埋め込みモデルで、api14 にモデル ID google/gemini-embedding-001 で掲載されています。embeddings カテゴリに属し、Google は 2025 年 10 月 31 日にこれをリリースしました。その目的は、チャット応答を生成することではなく、保存、比較、検索できるベクトル表現にテキストを変換することです。

OpenAI: Text Embedding Ada 002

openai/text-embedding-ada-002

OpenAI: Text Embedding Ada 002 は OpenAI の埋め込みモデルで、api14 にモデル ID openai/text-embedding-ada-002 として掲載されています。埋め込みカテゴリに属し、プロバイダーによる説明では OpenAI のレガシーなテキスト埋め込みモデルとされています。これまでに OpenAI の埋め込みエンドポイントを扱ったことがあるなら、これはその系統でおなじみの ada 002 世代であり、カタログの他のモデルと同様に api14 を通じて利用できます。

OpenAI: Text Embedding Ada 002 (batch)

openai/text-embedding-ada-002:batch

OpenAI: Text Embedding Ada 002 (batch) は OpenAI の埋め込みモデルで、api14 を通じてモデル id openai/text-embedding-ada-002:batch として配布されています。これは埋め込みカテゴリに属し、OpenAI は text-embedding-ada-002 を同社のレガシーなテキスト埋め込みモデルと説明しています。これまでに OpenAI の埋め込みを扱ったことがあるなら、これは同じよく知られた Ada 002 埋め込みモデルであり、ここではバッチ版として提供されています。

Mistral: Codestral Embed 2505

mistralai/codestral-embed-2505

Mistral Codestral Embed 2505 は Mistral の埋め込みモデルで、2025年10月30日にリリースされ、api14 上でモデル id mistralai/codestral-embed-2505 として公開されています。これはチャットカテゴリではなく埋め込みカテゴリに属しており、つまり会話を保持したり文章による回答を生成したりするようには作られていません。代わりに、入力意味を表すベクトルに変換し、Mistral はこれをコード向けに特別に設計されたものだと説明しています。

OpenAI: Text Embedding 3 Large

openai/text-embedding-3-large

OpenAI: Text Embedding 3 Large は OpenAI の埋め込みモデルで、api14 上にモデル id の openai/text-embedding-3-large で掲載されています。これはチャットカテゴリではなく埋め込みカテゴリに属しており、会話的な返答を生成するのではなく、テキストをベクトルに変換するために作られていることを意味します。OpenAI は text-embedding-3-large を、英語と非英語の両方のタスクに対応する最も高性能な埋め込みモデルと説明しています。

OpenAI: Text Embedding 3 Large (batch)

openai/text-embedding-3-large:batch

OpenAI: Text Embedding 3 Large (batch) は OpenAI の埋め込みモデルです。これは埋め込みカテゴリに属し、OpenAI は text-embedding-3-large を英語と非英語の両方のタスクにおいて最も高性能な埋め込みモデルと説明しています。api14 で公開されている batch バリアントはモデル id openai/text-embedding-3-large:batch を使用し、プロバイダーによって 2025-10-30 にリリースされました。

OpenAI: Text Embedding 3 Small

openai/text-embedding-3-small

OpenAI: Text Embedding 3 Small 是来自 OpenAI 的嵌入模型，在 api14 上以模型 ID openai/text-embedding-3-small 列出。它属于 embeddings 类别，OpenAI 将其描述为 ada 嵌入模型的改进版、性能更强的版本。它不生成聊天回复，而是生成嵌入，即文本的数值表示，用于衡量两段文本之间的相关程度。

OpenAI: Text Embedding 3 Small (batch)

openai/text-embedding-3-small:batch

OpenAI: Text Embedding 3 Small (batch) は、api14 を通じて提供される OpenAI の埋め込みモデルです。embeddings カテゴリに属し、api14 でのモデル id は openai/text-embedding-3-small:batch です。OpenAI は text-embedding-3-small を、ada 埋め込みモデルの改良版でより高性能なバージョンと説明しています。埋め込みとはテキストの数値表現であり、2 つのテキスト間の関連性を測るために使用できます。

Qwen: Qwen3 Embedding 8B

qwen/qwen3-embedding-8b

Qwen3 Embedding 8B は Qwen のテキスト埋め込みモデルであり、Qwen がテキスト埋め込みとランキングタスク専用に構築された最新の独自ラインと説明する Qwen3 Embedding シリーズの一部です。これはチャットカテゴリではなく埋め込みカテゴリに属するため、その役割は会話的な返答を生成することではなく、テキストをベクトルに変換することです。このシリーズは、より広い Qwen ファミリーの多言語機能と長文テキスト処理を継承しており、複数の言語のコンテンツや短い断片に収まらない文書を扱う場合にこのモデルが relevant になります。

Qwen: Qwen3 Embedding 4B

qwen/qwen3-embedding-4b

Qwen: Qwen3 Embedding 4B は Qwen の埋め込みモデルで、Qwen3 Embedding シリーズの一部です。このシリーズは、テキスト埋め込みとランキングタスクのために特別に構築された Qwen の最新の独自モデルファミリーと説明されており、より広い Qwen ファミリーの多言語機能と長文処理を受け継いでいます。アプリケーションが生成テキストではなくベクトルを必要とする場合、これがこのシリーズが対象とするモデルの種類です。