BGE-M3
Free.ai (self-hosted)
·
embeddings
·
~100 ഒരു സന്ദേശത്തിനും അടയാളങ്ങള് നല്കുക call
BGE-M3 is a എംബെഡിങ് മോഡല് built by BAAI. Strongest at Text embeddings, semantic search. Free.ai GPUs-ല് സ്വയം-ഹോസ്റ്റ് ചെയ്തിരിക്കുന്നു — നിങ്ങളുടെ ദിവസേനയുള്ള ടോക്കണ് പൗളിനെതിരെ സ്വതന്ത്രമായി പ്രവര്ത്തിക്കുന്നു (100 ടോക്കണ്സ് വിളിയ്ക്കാന്). Released under MIT - commercial use permitted on Free.ai.
_API വഴി ഉപയോഗിക്കുക
OpAI- യോജിപ്പുള്ള റേസ്റ്റ് API. ഒരു കീ ഉണ്ടാക്കൂ, ഈ മോഡലിനെ സെക്കന്ഡുകളില് തന്നെ വിളിക്കുക.
curl -X POST https://api.free.ai/v1/image/generate/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"bge-m3","prompt":"your prompt here"}'പലപ്പോഴും ചോദിക്കപ്പെടുന്ന ചോദ്യങ്ങൾ
BGE-M3 converts text into a dense vector (a list of floats) that captures meaning. Use it for semantic search, clustering, recommendation, retrieval-augmented generation (RAG), and any task where "is this text similar to that text" matters.
Typical dimensions are 384, 768, 1024, or 1536 depending on the model. BGE-M3 emits 1024-dim; OpenAI Ada emits 1536. The API response includes the dimension so your vector DB picks the right index.
ആധുനിക എംബഡിങ് മോഡലുകള് (Free.ai- ല് ഏറ്റവും കൂടുതല് ഐച്ഛികങ്ങള് ഉള്പ്പെടുന്നു) 100+ ഭാഷകളില് പരിശീലിപ്പിക്കപ്പെട്ടിരിക്കുന്നു. ഭാഷാപരമായി തിരിച്ചുപിടിക്കല് പ്രവര്ത്തിക്കുന്നു - ഇംഗ്ലീഷില് തെരയുക, സ്പാനിഷ് രേഖകള് ചേര്ക്കുക.
512 മുതൽ 8,192 വരെയുള്ള അടയാളങ്ങള് മാതൃകയെ അടിസ്ഥാനമാക്കിയുള്ളവയാണ്. അധികകാലം ഇന്പുട്ടുകള് വെട്ടിച്ചുരുക്കുന്നു — നീണ്ട രേഖകള് റെഡിങ്ങിനു മുന്പ് ഖണ്ഡികകളിലേക്ക് ചേര്ക്കുന്നു.
BGE-M3 runs on our own GPUs and is among the cheapest tools - about ~100 tokens per call drawn from your daily free pool. $5 = 200K tokens.
Yes - POST a list of strings to /v1/embeddings/ and BGE-M3 returns a list of vectors in the same order. Batch size up to 2,048 per request.
L2 കോംപസ് കോംപസ് = ഡോട്ട് ഉത്പാദനം. നിങ്ങള്ക്ക് വേറെ ദൂരത്തേക്ക് ചാര വെയ്സ്സ് വേണമെങ്കില് പാസ്വേഡ്സ്സ് (ജെസിറ്റി) എന്ന ബൂസ്സിഷന്=False=False=bultize `.
Any - Pinecone, Weaviate, Qdrant, Chroma, pgvector, FAISS, LanceDB. BGE-M3 returns plain JSON floats; the DB never sees the model.
Yes - POST to /v1/embeddings/ with model="BGE-M3". OpenAI-compatible response shape, so existing client libraries work unchanged. /api/ has the full reference.
സ്വയം ഹോസ്റ്റ് ചെയ്ത മോഡല്സ്, വിളി തിരിച്ചുവന്ന ശേഷം നമ്മുടെ GPUS- ല് നിങ്ങളുടെ പാഠം സൂക്ഷിച്ച് കളയുന്നു. ഡിപിഎ ഉപയോഗിച്ച് പ്രിമിയം കടന്നു പോകുന്നു. ഞങ്ങള് നിങ്ങളുടെ ഇന്പുട്ടുകളില് പരിശീലനം നടത്താറില്ല.
Sub-100ms for short text on self-hosted, 100-500ms on premium. Batch calls scale roughly linearly - 1,000 chunks complete in 2-10 seconds.
അതെ. Free.ai എംബെഡിങ്ങുകളുടെ വാണിജ്യ ഉപയോഗം നല്കുന്നു. പ്രൊഫഷണല്, റജി പൈപ്പറ്റുകള്, പ്രൊഫഷണല് കമ്പ്യൂട്ടര് ഡ്രസ്സുകള് ഇല്ലാത്ത സിസ്റ്റങ്ങള് നിര്മ്മിക്കുക.