Vi använder cookies. Cookies och webbläsarlagring håller dig inloggad och kommer ihåg dina preferenser. Med ditt tillstånd mäter vi också hur webbplatsen används. Du kan när som helst. Läs vår cookiepolicy.
Sentence Transformers: all-mpnet-base-v2
sentence-transformers/all-mpnet-base-v2Testa Sentence Transformers: all-mpnet-base-v2 nu
Körs på ditt saldo till priserna ovan. Nya konton börjar med gratis användning.
Resultaten visas här.
Inställningar
Sentence Transformers: all-mpnet-base-v2 i korthet
- Indatapriset är 75% lägre än medianen för 34 Embeddings-modeller.
Om Sentence Transformers: all-mpnet-base-v2
Sentence Transformers: all-mpnet-base-v2 är en inbäddningsmodell från Sentence Transformers, en familj av modeller byggda för att omvandla text till vektorer. Den tillhör kategorin inbäddningar, vilket innebär att den är utformad för att producera representationer av text snarare än att generera text själv. Modellen kodar meningar och korta stycken till ett 768-dimensionellt tätt vektorrum, och den positioneras av sin leverantör som ett högfidelt alternativ för semantiskt arbete.
På indatasidan accepterar modellen endast text. På utdatasidan returnerar den inbäddningar snarare än ord eller chattmeddelanden, så du bör inte förvänta dig att den svarar på frågor eller håller en konversation. Kontextlängden är 512 tokens, och den maximala utdatan är 460. Båda siffrorna spelar roll i praktiken: fönstret på 512 tokens täcker en mening eller ett kort stycke, och allt längre måste delas upp innan du skickar det. Inbäddningen den returnerar är en 768-dimensionell vektor.
Dessa förmågor pekar mot en ganska specifik uppsättning användningsområden. Informationssökning passar naturligt, där du bäddar in en fråga och en korpus och jämför dem. Klustring är ett annat, eftersom meningar som ligger nära varandra i det 768-dimensionella rummet ofta tillhör samma ämne. Likhetspoäng följer direkt av det, till exempel rangordning av kandidatpassager mot en referens, eller identifiering av nästan identisk text. Eftersom modellen hanterar meningar och korta stycken fungerar dessa uppgifter bäst när varje indata du bäddar in är kort och fristående.
Du anropar den via api14:s OpenAI-kompatibla API, med modell-id:t "sentence-transformers/all-mpnet-base-v2". Eftersom gränssnittet följer OpenAI:s inbäddningsform kan befintliga klienter och bibliotek som riktar sig mot den slutpunkten pekas mot api14 utan särskild hantering. Observera att denna modell inte listar några parametrar som stöds, så förfrågans brödtext bör innehålla modell-id:t och indatatexten, och du bör inte förlita dig på att valfria inställningar som dimensions eller encoding format tillämpas.
Kontexten på 512 tokens och utdatagränsen på 460 är de främsta praktiska begränsningarna här. Om din text är längre än en mening eller ett kort stycke, dela upp den i bitar och bädda in var och en, kombinera sedan resultaten. Och om det du faktiskt behöver är genererad text snarare än vektorer passar en generativ chattmodell bättre; denna modell producerar endast inbäddningar.
Så anropar du Sentence Transformers: all-mpnet-base-v2 API
- Skapa en API-nyckel i din kontrollpanel.
- Installera det officiella openai-SDK:t för ditt språk.
- Sätt baseURL till https://api14.com/api/v1 och model till "sentence-transformers/all-mpnet-base-v2".
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": "sentence-transformers/all-mpnet-base-v2",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
Specifikationer
- Kontextlängd
- 512
- Max utdata
- 460
- Indata
- text
- Utdata
- embeddings
Anrop på api14 · senaste 7 dagarna
Sentence Transformers: all-mpnet-base-v2: vanliga frågor
- Vad kostar Sentence Transformers: all-mpnet-base-v2 API?
- Sentence Transformers: all-mpnet-base-v2 kostar Indata 0,02 US$ / 1M tokens. Det dras från ditt USD-saldo endast för lyckade anrop; misslyckade anrop är gratis.
- Hur stort är kontextfönstret för Sentence Transformers: all-mpnet-base-v2?
- Sentence Transformers: all-mpnet-base-v2 läser upp till 512 tokens per anrop, prompt, historik och dokument tillsammans. Den skriver upp till 460 utdata-tokens per svar.
- Vad kan Sentence Transformers: all-mpnet-base-v2 göra?
- Sentence Transformers: all-mpnet-base-v2 tar emot text och returnerar embeddings.
- Hur anropar jag Sentence Transformers: all-mpnet-base-v2 från min kod?
- Peka valfritt OpenAI-SDK mot https://api14.com/api/v1 och sätt model till "sentence-transformers/all-mpnet-base-v2", inga andra kodändringar. Kopiera ett färdigt exempel från kodpanelen på den här sidan.
- Vilka alternativ finns till Sentence Transformers: all-mpnet-base-v2?
- Jämförbara Embeddings-modeller till ett liknande pris: Thenlper: GTE-Base, Intfloat: E5-Base-v2, Sentence Transformers: paraphrase-MiniLM-L6-v2. Alla körs via samma API-nyckel, så att byta är en sträng.
Community för Sentence Transformers: all-mpnet-base-v2
Ny trådDen här communityn har inga trådar ännu. Starta den första om Sentence Transformers: all-mpnet-base-v2.