mxbai-embed-large-v1
Free.ai (self-hosted)
·
embeddings
·
~100 tokens por call
mxbai-embed-large-v1 é an embedding model construído por mixedbread.ai. Máis forte en Semantic search, clustering, similarity.. Auto-aloxado en Free.ai GPUs — executa libremente contra o seu conxunto de tokens diarios (100 tokens por chamada). Publicado baixo Apache 2.0 - uso comercial permitido baixo Free.ai.
Preguntas frecuentes
mxbai-embed-large-v1 converte o texto nun vector denso (unha lista de números flotantes) que captura o significado. Úsao para procuras semánticas, agrupacións, recomendacións, xeración aumentada de recuperación (RAG) e calquera tarefa onde « é este texto semellante a ese texto » é importante.
As dimensións típicas son 384, 768, 1024 ou 1536 dependendo do modelo. BGE-M3 emite 1024- dim; OpenAI Ada emite 1536. A resposta da API inclúe a dimensión para que a súa base de datos de vectores escolla o índice correcto.
Os modelos de incrustación modernos (incluíndo a maioría das opcións de Free.ai) están adestrados en máis de 100 linguas. A recuperación entre linguas funciona: procura en inglés, coincide con documentos en español.
512 to 8,192 tokens depending on the model. Longer inputs are truncated - chunk long documents into paragraphs before embedding.
mxbai-embed-large-v1 executase nas nosas propias GPU e está entre as ferramentas máis baratas - arredor de ~100 tokens por chamada extraídos da súa reserva diaria libre. $5 = 200K tokens.
Yes - POST a list of strings to /v1/embeddings/ and mxbai-embed-large-v1 returns a list of vectors in the same order. Batch size up to 2,048 per request.
Normalizado L2 por omisión - similitude cosinus = produto de puntos. Pase « normalize=false » se quere vectores brutos para unha métrica de distancia diferente.
Calquera - Pinecone, Weaviate, Qdrant, Chroma, pgvector, FAISS, LanceDB. mxbai-embed-large-v1 devolve valores flutuantes JSON simples; a base de datos nunca ve o modelo.
Si - POST a / v1/ embeddings / con model=" mxbai-embed-large-v1 ". Forma de resposta compatíbel con OpenAI, polo que as bibliotecas existentes do cliente funcionan sen cambios. / api / ten a referencia completa.
Os modelos auto- hospedados manteñen o seu texto nas nosas GPU e descartáno despois de que a chamada regrese. Premium pasa a través cun DPA. Non adestramos coas súas entradas.
Menos de 100 ms para textos curtos en autoaloxamento, 100- 500 ms en premium. As chamadas por lotes escalan linearmente - 1000 fragmentos completan en 2- 10 segundos.
Si - Free.ai concede o uso comercial das incorporacións. Construír procuras de produción, canalizacións RAG, sistemas de recomendación sen royalties por vector.