ModeleModele: 692

NVIDIA: Nemotron 3.5 Embed 1B (free)

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

Nemotron 3.5 Embed 1B to model embeddingowy od NVIDIA, udostepniony przez dostawce 21 pazdziernika 2026. Nalezy do kategorii embeddings, a nie chat czy generation, wiec jego zadaniem jest zamiana danych wejsciowych na wektory, a nie tworzenie odpowiedzi tekstowych. Nazwa odzwierciedla rodzine, do…

NVIDIA: Nemotron 3.5 Embed 8B (free)

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

NVIDIA: Nemotron 3.5 Embed 8B (free) to model embeddingowy od NVIDIA, opublikowany pod identyfikatorem modelu nvidia/nemotron-3.5-embed-8b:free na api14. Należy do kategorii embeddings, więc służy do zamiany danych wejściowych na reprezentacje wektorowe, a nie do generowania odpowiedzi w czacie.…

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

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

LiquidAI publikuje LFM2.5-Embedding-350M, model osadzania tekstu od Liquid AI, oferowany na api14 pod identyfikatorem modelu liquid/lfm-2.5-embedding-350m:free. Należy do kategorii osadzania, a nie do kategorii czatu, więc nie jest modelem konwersacyjnym i nie generuje odpowiedzi tekstowych. Jego…

VoyageAI by MongoDB: voyage-code-4

voyageai/voyage-code-4

voyage-code-4 to model embeddingu kodu od Voyage AI, spółki należącej do MongoDB. Należy do kategorii embeddings, a nie do rodziny czatu lub generowania tekstu, więc jego zadaniem jest przekształcanie danych wejściowych w wektory, a nie pisanie odpowiedzi. Data wydania przez dostawcę to 2026-08-13.…

VoyageAI by MongoDB: voyage-multimodal-3.5

voyageai/voyage-multimodal-3.5

VoyageAI by MongoDB: voyage-multimodal-3.5 to multimodalny model embeddingowy od Voyage AI, firmy, ktora jest teraz czescia MongoDB. Nalezy do kategorii embeddings, a nie do kategorii chat, wiec jego zadaniem jest zamiana tresci wejsciowej na wektory, a nie generowanie odpowiedzi tekstowych. Model…

VoyageAI by MongoDB: voyage-4-lite

voyageai/voyage-4-lite

voyage-4-lite to model embeddingowy od Voyage AI, firmy stojącej za rodziną modeli wyszukiwania Voyage, obecnie częścią MongoDB. Należy do kategorii embeddings, a nie chat, co oznacza, że nie generuje tekstu. Zamiast tego zamienia tekst na wektory, które przechowujesz i porównujesz. Jest…

VoyageAI by MongoDB: voyage-4

voyageai/voyage-4

voyage-4 to model osadzeń ogólnego przeznaczenia od Voyage AI, firmy stojącej za rodziną osadzeń Voyage, która jest teraz częścią MongoDB. Jest wymieniony na api14 pod identyfikatorem modelu voyageai/voyage-4 i znajduje się w kategorii osadzeń, więc służy do zamiany tekstu na wektory, a nie do…

VoyageAI by MongoDB: voyage-4-large

voyageai/voyage-4-large

VoyageAI by MongoDB: voyage-4-large to model embeddingowy od Voyage AI, dostawcy, którego modele są dystrybuowane pod nazwą VoyageAI by MongoDB. Należy do kategorii embeddings, co oznacza, że został zbudowany do zamiany tekstu na wektory, a nie do generowania odpowiedzi w czacie. Jeśli wybierasz…

NVIDIA: Nemotron 3 Embed 1B (free)

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

NVIDIA Nemotron 3 Embed 1B to otwarty model embeddingowy tekstu od NVIDIA. Należy do rodziny Nemotron 3 i jest udostępniany jako darmowy model na api14 pod identyfikatorem nvidia/nemotron-3-embed-1b:free. NVIDIA pozycjonuje go jako model embeddingowy, a nie generatywny model czatowy, więc jego…

Google: Gemini Embedding 2

google/gemini-embedding-2

Google: Gemini Embedding 2 to model embeddingowy od Google, wymieniony na api14 pod identyfikatorem modelu google/gemini-embedding-2. Należy do kategorii embeddings i jest opisywany przez Google jako pierwszy multimodalny model embeddingowy firmy. Zamiast generować odpowiedzi czatu, przekształca…

Google: Gemini Embedding 2 (batch)

google/gemini-embedding-2:batch

Google: Gemini Embedding 2 (batch) to model embeddingowy od Google. Jest wymieniony na api14 w kategorii embeddings, a data wydania przez dostawcę to 2026-05-20. Google opisuje go jako Gemini Embedding 2, pierwszy multimodalny model embeddingowy firmy. Zamiast generować odpowiedzi czatu, tworzy…

Google: Gemini Embedding 2 Preview

google/gemini-embedding-2-preview

Google: Gemini Embedding 2 Preview to model embeddingowy od Google, opublikowany pod identyfikatorem modelu google/gemini-embedding-2-preview. Należy do kategorii embeddings i jest opisywany przez Google jako jego pierwszy multimodalny model embeddingowy. To wydanie w wersji preview, co warto…

Perplexity: Embed V1 4B

perplexity/pplx-embed-v1-4b

Perplexity: Embed V1 4B to model osadzania tekstu od Perplexity, udostępniony przez dostawcę 16 marca 2026. Należy do kategorii osadzania, a nie do kategorii czatu, co oznacza, że nie generuje odpowiedzi konwersacyjnych. Zamiast tego zamienia tekst na reprezentacje wektorowe, które przechowujesz i…

Perplexity: Embed V1 0.6B

perplexity/pplx-embed-v1-0.6b

Perplexity: Embed V1 0.6B to model osadzania tekstu od Perplexity, wydany 16 marca 2026. Należy do rodziny pplx-embed-v1, którą Perplexity opisuje jako najnowocześniejsze modele osadzania tekstu zbudowane dla rzeczywistego wyszukiwania w skali sieci. Wariant z 0,6 mld parametrów jest przeznaczony…

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

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

Llama Nemotron Embed VL 1B V2 to model embeddingowy od NVIDIA, dystrybuowany na api14 pod identyfikatorem modelu nvidia/llama-nemotron-embed-vl-1b-v2:free. Należy do kategorii embeddings, a jego deklarowanym przeznaczeniem jest multimodalne wyszukiwanie w pytaniach i odpowiedziach. Jest to model…

Thenlper: GTE-Base

thenlper/gte-base

Thenlper: GTE-Base to model embeddingowy od Thenlper, wymieniony na api14 pod identyfikatorem modelu thenlper/gte-base. Należy do kategorii embeddings, więc nie jest modelem czatu ani generowania tekstu. Jego zadaniem jest zamiana tekstu na wektory reprezentujące znaczenie, a dostawca opisuje go…

Thenlper: GTE-Large

thenlper/gte-large

Thenlper: GTE-Large to model embedding od Thenlper, wymieniony na api14 pod identyfikatorem modelu thenlper/gte-large. Należy do kategorii embeddings, co oznacza, że jego zadaniem nie jest generowanie odpowiedzi czatu, lecz przekształcanie tekstu w wektory, które można przechowywać, porównywać i…

Intfloat: E5-Large-v2

intfloat/e5-large-v2

Intfloat: E5-Large-v2 to model embeddingów od Intfloat. Należy do kategorii embeddingów, co oznacza, że jego zadaniem jest zamiana tekstu na wektory, a nie generowanie odpowiedzi w czacie. Dostawca opisuje go jako odwzorowujący angielskie zdania, akapity i dokumenty w 1024-wymiarową gęstą…

Intfloat: E5-Base-v2

intfloat/e5-base-v2

Intfloat: E5-Base-v2 to model embedding od Intfloat, wymieniony na api14 pod identyfikatorem modelu intfloat/e5-base-v2. Należy do kategorii embeddings, co oznacza, że nie jest modelem czatu ani generowania tekstu. Zamiast tworzyć odpowiedzi, zamienia tekst na wektory, które można przechowywać,…

Intfloat: Multilingual-E5-Large

intfloat/multilingual-e5-large

Intfloat: Multilingual-E5-Large to model embedding od Intfloat, wymieniony na api14 w kategorii embeddings. Przyjmuje tekst jako dane wejściowe i zwraca embeddingi jako dane wyjściowe, więc nie jest to model czatu ani generowania tekstu. Jego zadaniem jest zamiana języka na wektory, które można…

Sentence Transformers: paraphrase-MiniLM-L6-v2

sentence-transformers/paraphrase-minilm-l6-v2

Sentence Transformers: paraphrase-MiniLM-L6-v2 to model embeddingowy od Sentence Transformers, wymieniony na api14 w kategorii embeddings. To kompaktowy model oparty na MiniLM, którego zadaniem jest zamiana tekstu na wektory, a nie generowanie tekstu. Zarejestrowana dla niego data wydania przez…

Sentence Transformers: all-MiniLM-L12-v2

sentence-transformers/all-minilm-l12-v2

Sentence Transformers: all-MiniLM-L12-v2 to model embeddingów z Sentence Transformers, dystrybuowany przez api14 pod identyfikatorem modelu sentence-transformers/all-minilm-l12-v2. Należy do kategorii embeddings, więc jego zadaniem nie jest generowanie odpowiedzi czatu, lecz przekształcanie tekstu…

BAAI: bge-base-en-v1.5

baai/bge-base-en-v1.5

BAAI: bge-base-en-v1.5 to model embeddingowy od BAAI, Beijing Academy of Artificial Intelligence. Należy do kategorii embeddings, co oznacza, że nie jest zbudowany do generowania odpowiedzi czatowych ani uzupełniania tekstu. Zamiast tego zamienia tekst na wektory liczbowe. Jest to model…

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

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

Sentence Transformers: multi-qa-mpnet-base-dot-v1 to model embeddingowy od Sentence Transformers, dostawcy znanego z modeli reprezentacji na poziomie zdań. Należy do kategorii embeddings, co oznacza, że nie generuje tekstu. Zamiast tego konwertuje tekst na wektory, które można przechowywać,…

BAAI: bge-large-en-v1.5

baai/bge-large-en-v1.5

BAAI bge-large-en-v1.5 to model embedding od BAAI, Beijing Academy of Artificial Intelligence. Należy do kategorii embeddings, a nie chat, co oznacza, że nie generuje tekstu konwersacyjnego. Zamiast tego zamienia tekst na wektory, które można przechowywać, porównywać i przeszukiwać. Model został…

BAAI: bge-m3

baai/bge-m3

BAAI: bge-m3 to model embeddingowy od BAAI, Beijing Academy of Artificial Intelligence. Należy do kategorii embeddings, co oznacza, że został zbudowany do zamiany tekstu na wektory, a nie do generowania odpowiedzi czatowych. Jeśli Twoja aplikacja potrzebuje modelu, który odpowiada na pytania lub…

Sentence Transformers: all-mpnet-base-v2

sentence-transformers/all-mpnet-base-v2

Sentence Transformers: all-mpnet-base-v2 to model embeddingowy z Sentence Transformers, rodziny modeli stworzonych do zamiany tekstu na wektory. Należy do kategorii embeddings, co oznacza, że jest zaprojektowany do tworzenia reprezentacji tekstu, a nie do generowania samego tekstu. Model koduje…

Sentence Transformers: all-MiniLM-L6-v2

sentence-transformers/all-minilm-l6-v2

Sentence Transformers: all-MiniLM-L6-v2 to model embeddingowy z Sentence Transformers, wymieniony na api14 w kategorii embeddings. To kompaktowy model embeddingów zdań, a nie model czatu ani generowania tekstu, więc jego zadaniem jest zamiana tekstu na wektory, które oddają znaczenie. Jeśli…

Mistral: Mistral Embed 2312

mistralai/mistral-embed-2312

Mistral Embed 2312 to model embeddingowy od Mistral, wymieniony na api14 pod identyfikatorem modelu mistralai/mistral-embed-2312. Należy do kategorii embeddings, co oznacza, że jego zadaniem jest zamiana tekstu na wektory, a nie generowanie odpowiedzi czatu. Mistral AI opracował go jako…

Google: Gemini Embedding 001

google/gemini-embedding-001

Google: Gemini Embedding 001 to model embeddingowy od Google, wymieniony na api14 pod identyfikatorem modelu google/gemini-embedding-001. Należy do kategorii embeddings, a Google wydało go 31 października 2025. Jego zadaniem jest zamiana tekstu na reprezentacje wektorowe, które można przechowywać,…

OpenAI: Text Embedding Ada 002

openai/text-embedding-ada-002

OpenAI: Text Embedding Ada 002 to model embeddingów od OpenAI, wymieniony na api14 pod identyfikatorem modelu openai/text-embedding-ada-002. Należy do kategorii embeddingów i jest opisywany przez dostawcę jako starszy model embeddingów tekstowych OpenAI. Jeśli pracowałeś wcześniej z punktami…

OpenAI: Text Embedding Ada 002 (batch)

openai/text-embedding-ada-002:batch

OpenAI: Text Embedding Ada 002 (batch) to model embeddingów od OpenAI, dystrybuowany przez api14 pod identyfikatorem modelu openai/text-embedding-ada-002:batch. Należy do kategorii embeddings, a OpenAI opisuje text-embedding-ada-002 jako swój starszy model embeddingów tekstowych. Jeśli pracowałeś…

Mistral: Codestral Embed 2505

mistralai/codestral-embed-2505

Mistral Codestral Embed 2505 to model embeddingów od Mistral, wydany 30 października 2025 i opublikowany na api14 pod identyfikatorem modelu mistralai/codestral-embed-2505. Należy do kategorii embeddingów, a nie do kategorii czatu, co oznacza, że nie jest zbudowany do prowadzenia rozmowy ani…

OpenAI: Text Embedding 3 Large

openai/text-embedding-3-large

OpenAI: Text Embedding 3 Large to model embeddingowy od OpenAI, wymieniony na api14 pod identyfikatorem modelu openai/text-embedding-3-large. Znajduje się w kategorii embeddings, a nie w kategorii chat, co oznacza, że służy do zamiany tekstu na wektory, a nie do generowania odpowiedzi…

OpenAI: Text Embedding 3 Large (batch)

openai/text-embedding-3-large:batch

OpenAI: Text Embedding 3 Large (batch) to model embeddingowy od OpenAI. Należy do kategorii embeddings, a OpenAI opisuje text-embedding-3-large jako swój najbardziej zaawansowany model embeddingowy zarówno dla zadań w języku angielskim, jak i innych językach. Wariant batch udostępniony na api14…

OpenAI: Text Embedding 3 Small

openai/text-embedding-3-small

OpenAI: Text Embedding 3 Small to model embeddingowy od OpenAI, wymieniony na api14 pod identyfikatorem modelu openai/text-embedding-3-small. Należy do kategorii embeddings, a OpenAI opisuje go jako ulepszoną, wydajniejszą wersję modelu embeddingowego ada. Zamiast generować odpowiedzi czatu, tworzy…

OpenAI: Text Embedding 3 Small (batch)

openai/text-embedding-3-small:batch

OpenAI: Text Embedding 3 Small (batch) to model osadzania od OpenAI, oferowany przez api14. Należy do kategorii embeddings, a jego identyfikator modelu w api14 to openai/text-embedding-3-small:batch. OpenAI opisuje text-embedding-3-small jako ulepszoną, wydajniejszą wersję modelu osadzania ada.…

Qwen: Qwen3 Embedding 8B

qwen/qwen3-embedding-8b

Qwen3 Embedding 8B to model osadzania tekstu od Qwen, część serii Qwen3 Embedding, którą Qwen opisuje jako swoją najnowszą zastrzeżoną linię zbudowaną specjalnie do zadań osadzania i rankingu tekstu. Należy do kategorii osadzania, a nie do kategorii czatu, więc jego zadaniem jest zamiana tekstu na…

Qwen: Qwen3 Embedding 4B

qwen/qwen3-embedding-4b

Qwen: Qwen3 Embedding 4B to model embeddingowy od Qwen, część serii Qwen3 Embedding. Seria jest opisywana jako najnowsza własnościowa rodzina modeli Qwen zbudowana specjalnie do zadań embeddingu tekstu i rankingowych, dziedziczy też wielojęzyczne możliwości i obsługę długich tekstów szerszej…