Intfloat: E5-Base-v2

Intfloat: E5-Base-v2, Intfloat tarafından geliştirilen bir embedding modelidir ve api14 üzerinde intfloat/e5-base-v2 model id'si ile listelenmiştir. Embeddings kategorisinde yer alır, yani bir sohbet veya metin üretim modeli değildir. Yanıt üretmek yerine metni saklayabileceğiniz, karşılaştırabileceğiniz ve üzerinde arama yapabileceğiniz vektörlere dönüştürür. Sağlayıcı için kaydedilen yayın tarihi 2025-11-18'dir.

Model tek girdi olarak metni alır ve tek çıktı olarak embeddings döndürür. İngilizce cümleleri ve paragrafları 768 boyutlu yoğun bir vektör uzayına kodlar ve sağlayıcı sonucu verimli, yüksek kaliteli anlamsal embeddings olarak tanımlar. Bağlam penceresi 512 token'dır, bu nedenle her istek bu bütçeye sığan tek bir pasaj veya sorgu içermelidir. Maksimum çıktı 460'tır ve bu, pratikte tek bir çağrıda gönderdiğiniz metin biriminin boyutunu sınırlar. Temel istek alanlarının ötesinde desteklenen ek parametre yoktur, bu nedenle üretken bir modelde olduğu gibi örnekleme stili seçenekleriyle davranışı ayarlayamazsınız.

Bu özellikler oldukça belirli bir kullanım kümesine işaret eder. Anlamsal arama en belirgin olanıdır: belgelerinizi bir kez embed edin, istek anında kullanıcı sorgusunu embed edin, ardından vektör benzerliğine göre sıralayın. Aynı mekanizma iki metin parçası arasındaki benzerlik puanlamasını, neredeyse aynı kayıtların tekilleştirilmesini, cümlelerin veya paragrafların kümelenmesini ve aday pasajları bir üretim modeline vermeden önce getirmek için kompakt bir İngilizce embedding'e ihtiyaç duyduğunuz bir RAG hattındaki erişim adımlarını kapsar. Vektörler yoğun ve 768 boyutlu olduğundan, standart vektör depoları ve kosinüs benzerliği araçlarıyla özel bir işlem gerektirmeden çalışırlar.

Modeli api14'ün OpenAI uyumlu API'si üzerinden intfloat/e5-base-v2 model id'sini kullanarak çağırırsınız. Arayüz OpenAI embeddings şeklini izlediği için metninizi input alanında gönderir ve vektörü yanıttan okursunuz, bu nedenle mevcut OpenAI istemci kütüphaneleri ve embedding hatları genellikle yalnızca bir base URL ve model id değişikliğine ihtiyaç duyar. Model ek parametre desteklemez, bu nedenle istekleri temel unsurlarla sınırlı tutun ve burada hiçbir etkisi olmayan ayar seçeneklerini geçirmekten kaçının.

Planlama yaparken dikkate alınması gereken ana kısıt 512 token'lık bağlamdır. Uzun belgelerin embedding öncesinde parçalara ayrılması gerekir ve İngilizce dışındaki her şey sağlayıcı açıklamasının kapsamı dışındadır. Göreviniz metni temsil etmek yerine metin üretmekse, bir sohbet veya tamamlama modeli doğru seçimdir; E5-Base-v2 en iyi şekilde daha büyük bir sistemin erişim ve benzerlik bileşeni olarak ele alınır.