Çerez kullanıyoruz. Çerezler ve tarayıcı depolaması oturumunu açık tutar ve tercihlerini hatırlar. İzin verirsen sitenin nasıl kullanıldığını da ölçeriz. İstediğin zaman . Ayrıntılar için çerez politikamıza bak.
Sentence Transformers: multi-qa-mpnet-base-dot-v1
sentence-transformers/multi-qa-mpnet-base-dot-v1Sentence Transformers: multi-qa-mpnet-base-dot-v1 modelini şimdi dene
Yukarıdaki fiyatlarla bakiyenden çalışır. Yeni hesaplar ücretsiz kullanımla başlar.
Sonuçlar burada görünecek.
Ayarlar
Sentence Transformers: multi-qa-mpnet-base-dot-v1 bir bakışta
- Girdi fiyatı, 34 Embedding modelinin medyanından 75% daha düşük.
Sentence Transformers: multi-qa-mpnet-base-dot-v1 hakkında
Sentence Transformers: multi-qa-mpnet-base-dot-v1, cümle düzeyinde temsil modelleriyle tanınan bir sağlayıcı olan Sentence Transformers'a ait bir gömme modelidir. Gömme kategorisinde yer alır, yani metin üretmez. Bunun yerine, metni saklayabileceğiniz, karşılaştırabileceğiniz ve üzerinde arama yapabileceğiniz vektörlere dönüştürür. Model, sağlayıcı tarafından 2025-11-18 tarihinde yayımlanmıştır.
Model girdi olarak metin alır ve çıktı olarak gömme döndürür. Cümleleri ve kısa paragrafları 768 boyutlu yoğun bir vektör uzayına eşler ve soru-cevap erişimi, anlamsal arama ve çeşitli içerikler arasında benzerlik puanlaması için optimize edilmiştir. Bağlam penceresi 512 tokendır, bu nedenle her istek uzun bir belge yerine tek bir cümle veya kısa bir paragraf içermelidir. Maksimum çıktı 460'tır ve bu durumda üretilen metin yerine gömme çıktısıyla ilgilidir.
Model soru-cevap erişimi için ayarlandığından, en doğrudan kullanım senaryosu bir belge koleksiyonu üzerinde erişim katmanı oluşturmaktır. Pasajlarınızı bir kez gömersiniz, sorgu anında kullanıcının sorusunu gömersiniz ve pasajları benzerliğe göre sıralarsınız. Aynı özellik, tam anahtar sözcük örtüşmesi yerine anlama dayalı eşleşmeler istediğiniz anlamsal arama için ve iki metin parçası arasında benzerlik puanlaması için (örneğin yinelenenleri kaldırma veya ilgili öğeleri gruplama) kullanışlı kılar. Ayrıca kısa metinlerin sabit uzunlukta vektör temsillerine ihtiyaç duyan kümeleme ve sınıflandırma ardışık düzenlerine de uygundur.
Modele api14'ün OpenAI uyumlu API'si üzerinden "sentence-transformers/multi-qa-mpnet-base-dot-v1" model kimliğini kullanarak çağrı yaparsınız. API, OpenAI biçimini izlediği için mevcut bir OpenAI istemcisini api14 temel URL'sine yönlendirebilir ve metninizi embeddings uç noktasına gönderebilirsiniz. Model ek istek parametresi desteklemez, bu nedenle istekleri basit tutun ve varsayılanlara güvenin. Gömmek istediğiniz metni gönderin, ardından yanıttan döndürülen vektörü okuyun ve vektör veritabanınızda saklayın veya doğrudan diğer vektörlerle karşılaştırın.
Akılda tutulması gereken ana kısıt 512 tokenlık bağlam penceresidir. Uzun belgelerin gömme öncesinde cümlelere veya kısa paragraflara bölünmesi gerekir ve parçalama stratejinizi buna göre planlamalısınız. Göreviniz vektör üretmek yerine metin üretmeyi, özetlemeyi veya doğrudan soruları yanıtlamayı gerektiriyorsa, bir gömme modeli doğru seçim değildir ve bunun yerine bir metin üretme modeli seçmelisiniz.
Sentence Transformers: multi-qa-mpnet-base-dot-v1 API nasıl çağrılır
- Panelinde bir API anahtarı oluştur.
- Dilin için resmi openai SDK’sını kur.
- baseURL’i https://api14.com/api/v1, model’i "sentence-transformers/multi-qa-mpnet-base-dot-v1" olarak ayarla.
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/multi-qa-mpnet-base-dot-v1",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
Özellikler
- Bağlam uzunluğu
- 512
- Maks. çıktı
- 460
- Girdi
- text
- Çıktı
- embeddings
api14 üzerindeki istekler · son 7 gün
Sentence Transformers: multi-qa-mpnet-base-dot-v1: sıkça sorulan sorular
- Sentence Transformers: multi-qa-mpnet-base-dot-v1 API ne kadar tutar?
- Sentence Transformers: multi-qa-mpnet-base-dot-v1 Girdi $0,02 / 1M token tutar. Yalnızca başarılı istekler için USD bakiyenden düşülür; başarısız istekler ücretsizdir.
- Sentence Transformers: multi-qa-mpnet-base-dot-v1 modelinin bağlam penceresi ne kadar?
- Sentence Transformers: multi-qa-mpnet-base-dot-v1 istek başına 512 tokena kadar okur, istem, geçmiş ve belgeler dahil. Yanıt başına 460 çıktı tokenına kadar yazar.
- Sentence Transformers: multi-qa-mpnet-base-dot-v1 neler yapabilir?
- Sentence Transformers: multi-qa-mpnet-base-dot-v1 girdi olarak text kabul eder, çıktı olarak embeddings döndürür.
- Sentence Transformers: multi-qa-mpnet-base-dot-v1 modelini kodumdan nasıl çağırırım?
- Herhangi bir OpenAI SDK’sını https://api14.com/api/v1 adresine yönlendir ve model’i "sentence-transformers/multi-qa-mpnet-base-dot-v1" olarak ayarla, başka kod değişikliği gerekmez. Bu sayfadaki kod panelinden hazır bir örnek kopyala.
- Sentence Transformers: multi-qa-mpnet-base-dot-v1 alternatifleri neler?
- Benzer fiyatlı Embedding modelleri: Thenlper: GTE-Base, Intfloat: E5-Base-v2, Sentence Transformers: paraphrase-MiniLM-L6-v2. Hepsi aynı API anahtarıyla çalışır; geçiş yapmak için tek bir metni değiştirmen yeterli.
Sentence Transformers: multi-qa-mpnet-base-dot-v1 topluluğu
Yeni konuBu toplulukta henüz konu yok. Sentence Transformers: multi-qa-mpnet-base-dot-v1 hakkında ilk konuyu sen aç.