Używamy plików cookie. Pliki cookie i pamięć przeglądarki pozwalają utrzymać logowanie i zapamiętać Twoje preferencje. Za Twoją zgodą mierzymy też, jak korzystasz ze strony. W każdej chwili możesz . Zobacz naszą politykę cookie.
cohere/embed-5-proKorzysta z Twojego salda według powyższych cen. Nowe konta zaczynają z darmowym użyciem.
Ustawienia
Cohere: Embed 5 Pro to multimodalny model embeddingowy od Cohere, pozycjonowany jako warstwa o wyższej dokładności w rodzinie Embed 5. Jest zbudowany do tworzenia embeddingów, a nie do generowania tekstu, i należy do kategorii embeddingów modeli dostępnych przez api14.
Model przyjmuje jako dane wejściowe tekst, obrazy oraz przeplatane treści tekstowe i obrazowe, a jako dane wyjściowe zwraca embeddingi. Obsługuje długość kontekstu do 128 000 tokenów, z maksymalnym wyjściem 115 200. Ponieważ obsługuje obie modalności i ich kombinacje, ten sam model może tworzyć embeddingi akapitu, zrzutu ekranu lub strony dokumentu, na której tekst i elementy wizualne występują razem, co pozwala uniknąć potrzeby stosowania oddzielnych modeli embeddingowych dla tekstu i obrazów w potokach wyszukiwania.
Praktyczne zastosowania wynikają bezpośrednio z tego. Wyszukiwanie semantyczne i generowanie wspomagane wyszukiwaniem na mieszanych korpusach to oczywiste zastosowania, w tym bazy wiedzy, w których artykuły, diagramy i zeskanowane strony współistnieją obok siebie. Systemy rekomendacji i podobieństwa mogą używać embeddingów do porównywania elementów w reprezentacjach tekstowych i obrazowych. Klastrowanie, deduplikacja i klasyfikacja na dużych zbiorach dokumentów również działają dobrze, ponieważ model może umieszczać tekst i obrazy we wspólnej przestrzeni embeddingów. Wyszukiwanie multimodalne, w którym zapytanie tekstowe wyszukuje odpowiednie obrazy lub zapytanie wizualne wyszukuje odpowiednie fragmenty, to kolejne naturalne zastosowanie.
Model wywołujesz przez API zgodne z OpenAI w api14, używając identyfikatora modelu "cohere/embed-5-pro". Ponieważ punkt końcowy jest zgodny z formatem embeddingów OpenAI, istniejące klienty i zestawy SDK, które już wskazują na bazowy adres URL zgodny z OpenAI, działają bez zmian poza identyfikatorem modelu. Model nie wymienia żadnych obsługiwanych parametrów żądania, więc żądania opierają się na standardowych danych wejściowych embeddingów: treści do osadzenia i samym identyfikatorze modelu. Nie ma parametrów próbkowania ani generowania do skonfigurowania, ponieważ model tylko tworzy embeddingi.
Jeśli Twoim zadaniem jest generowanie tekstu, czat lub jakakolwiek forma uzupełniania, to nie jest właściwy model, ponieważ jego jedynym wyjściem są embeddingi. Warto również sprawdzić, czy model embeddingowy tylko dla tekstu jest wystarczający dla Twoich danych; jeśli Twój korpus nie zawiera obrazów ani przeplatanych treści, możliwość multimodalna pozostaje niewykorzystana. W przypadku zadań obejmujących obrazy lub mieszane treści Embed 5 Pro jest opcją o wyższej dokładności w rodzinie Embed 5.
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));
Ta społeczność nie ma jeszcze wątków. Załóż pierwszy wątek o Cohere: Embed 5 Pro.