We gebruiken cookies. Cookies en browseropslag houden je ingelogd en onthouden je voorkeuren. Met je toestemming meten we ook hoe de site wordt gebruikt. Je kunt je wanneer je wilt. Zie ons cookiebeleid.
cohere/embed-5-proDraait op je saldo tegen de prijzen hierboven. Nieuwe accounts beginnen met gratis gebruik.
Instellingen
Cohere: Embed 5 Pro is een multimodaal embeddingmodel van Cohere, gepositioneerd als het hogere nauwkeurigheidsniveau van de Embed 5-familie. Het is gebouwd voor het produceren van embeddings in plaats van het genereren van tekst, en het valt in de embeddings-categorie van modellen die beschikbaar zijn via api14.
Het model accepteert tekst, afbeeldingen en afwisselende tekst- en afbeeldingsinhoud als invoer, en het retourneert embeddings als uitvoer. Het ondersteunt een contextlengte tot 128.000 tokens, met een maximale uitvoer van 115.200. Omdat het beide modaliteiten en combinaties daarvan aankan, kan hetzelfde model een paragraaf, een schermafbeelding of een documentpagina waar tekst en visuals samen voorkomen embedden, waardoor retrieval-pipelines geen aparte tekst- en afbeeldingsembeddingmodellen nodig hebben.
De praktische toepassingen volgen daar direct uit. Semantisch zoeken en retrieval-augmented generation over gemengde corpora zijn de voor de hand liggende toepassingen, waaronder kennisbanken waar artikelen, diagrammen en gescande pagina's naast elkaar staan. Aanbevelings- en similariteitssystemen kunnen de embeddings gebruiken om items te vergelijken op basis van tekst- en afbeeldingsrepresentaties. Clustering, deduplicatie en classificatie over grote documentsets werken ook goed, omdat het model tekst en afbeeldingen in een gedeelde embeddingruimte kan plaatsen. Multimodaal zoeken, waarbij een tekstquery relevante afbeeldingen ophaalt of een visuele query relevante passages ophaalt, is een andere natuurlijke toepassing.
Je roept het model aan via de OpenAI-compatibele API van api14 met het model-id "cohere/embed-5-pro". Omdat het endpoint het OpenAI embeddings-formaat volgt, werken bestaande clients en SDK's die al naar een OpenAI-compatibele base URL wijzen zonder wijzigingen, afgezien van het model-id. Het model vermeldt geen ondersteunde request-parameters, dus verzoeken vertrouwen op de standaard embeddings-invoer: de inhoud die moet worden geëmbed en het model-id zelf. Er zijn geen sampling- of generatieparameters te configureren, omdat het model alleen embeddings produceert.
Als je taak tekstgeneratie, chat of enige vorm van completion is, is dit niet het juiste model, omdat de enige uitvoer embeddings zijn. Het is ook de moeite waard om te controleren of een tekst-only embeddingmodel voldoende is voor je data; als je corpus geen afbeeldingen en geen afwisselende inhoud bevat, blijft de multimodale capaciteit onbenut. Voor workloads die wel afbeeldingen of gemengde inhoud bevatten, is Embed 5 Pro de optie met hogere nauwkeurigheid binnen de Embed 5-familie.
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": "cohere/embed-5-pro",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
Deze community heeft nog geen topics. Open het eerste topic over Cohere: Embed 5 Pro.