mxbai-embed-large-v1
Free.ai (self-hosted)
·
embeddings
·
~100 ટોકન પ્રતિ call
mxbai-embed-large-v1 એ an embedding model છે જે mixedbread.ai દ્વારા બનાવવામાં આવ્યું છે. Semantic search, clustering, similarity. પર સૌથી મજબૂત. Free.ai GPUs પર સ્વયં-હોસ્ટ થયેલ — તમારા રોજિંદા ટોકન પુલ (100 ટોકન કોલ પ્રતિ) સામે મુક્ત રીતે ચાલે છે. Apache 2.0 હેઠળ બહાર પાડવામાં આવ્યું — વ્યાવસાયિક ઉપયોગ માટે Free.ai પર પરવાનગી આપવામાં આવી છે.
API મારફતે વાપરો
OpenAI-સુસંગત REST API. કી ઉત્પન્ન કરો અને સેકન્ડોમાં આ મોડેલને બોલાવો.
curl -X POST https://api.free.ai/v1/image/generate/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"mxbai-embed-large-v1","prompt":"your prompt here"}'વારંવાર પૂછાતા પ્રશ્નો
mxbai-embed-large-v1 લખાણને ઘન વેક્ટરમાં (ભ્રમણકક્ષાની યાદી) રૂપાંતરિત કરે છે કે જે અર્થને ઝડપે છે. તેને શબ્દમાળા શોધ, ક્લસ્ટરિંગ, ભલામણ, પુનઃપ્રાપ્ત-વધારેલ ઉત્પન્ન (RAG) માટે વાપરો, અને કોઈપણ કાર્ય જ્યાં "આ લખાણ એ લખાણ જેવું છે" મહત્વનું છે.
સામાન્ય માપ મોડેલ પર આધારિત 384, 768, 1024, અથવા 1536 છે. BGE-M3 1024-dim બહાર પાડે છે; OpenAI Ada 1536 બહાર પાડે છે. API જવાબ માપ સમાવે છે તેથી તમારો વેકટર ડીબી યોગ્ય અનુક્રમણિકા પસંદ કરે છે.
આધુનિક જડિત મોડેલો (Free.ai પરના મોટાભાગના વિકલ્પો સમાવે છે) 100+ ભાષાઓ પર તાલીમ આપેલ છે. ક્રોસ-ભાષા પુનઃપ્રાપ્ત કાર્યો — અંગ્રેજી માં શોધો, સ્પેનિશ માં દસ્તાવેજો બંધબેસાડો.
512 થી 8,192 ટોકન મોડેલ પર આધારિત છે. લાંબા ઇનપુટ્સ કાપવામાં આવે છે - જડિત કરતા પહેલા લાંબા દસ્તાવેજોને ફકરાઓમાં કાપો.
mxbai-embed-large-v1 આપણા પોતાના GPUs પર ચાલે છે અને સસ્તી સાધનોમાંનું એક છે - તમારા દરરોજના મુક્ત પુલમાંથી દર કોલ માટે ~100 ટોકન વિશે. $5 = 200K ટોકન.
હા — /v1/embeddings/ માં શબ્દમાળાઓની યાદી POST કરો અને mxbai-embed-large-v1 એ જ ક્રમમાં વેકટરોની યાદી પાછી આપે છે. બાચ માપ પ્રતિ વિનંતી ૨,૦૪૮ સુધી.
મૂળભૂત રીતે L2-સામાન્ય થયેલ — કોસાઇન સમાનતા = બિંદુ ઉત્પાદન. જો તમે અલગ અંતર મેટ્રિક માટે કાચા વેક્ટરો ઇચ્છતા હોવ તો `સામાન્ય કરો=ખોટું` ને પાથરો.
કોઈપણ — Pinecone, Weaviate, Qdrant, Chroma, pgvector, FAISS, LanceDB. mxbai-embed-large-v1 એ સાદા JSON તરંગોને પાછા આપે છે; DB એ ક્યારેય મોડેલને જોતું નથી.
હા — મોડેલ="mxbai-embed-large-v1" સાથે /v1/embeddings/ ને POST કરો. OpenAI-સુસંગત જવાબ આકાર, તેથી વર્તમાન ક્લાયન્ટ લાઇબ્રેરીઓ બદલાયા વગર કામ કરે છે. /api/ પાસે સંપૂર્ણ સંદર્ભ છે.
સ્વયં-હોસ્ટ થયેલ મોડેલો તમારા લખાણને અમારા GPUs પર રાખે છે અને કોલ પાછો આવે પછી તેને અવગણે છે. પ્રીમિયમ DPA સાથે પસાર થાય છે. અમે તમારા ઇનપુટ પર તાલીમ આપતા નથી.
સ્વયં-હોસ્ટ થયેલ પર ટૂંકા લખાણ માટે ઉપ-100ms, પ્રીમિયમ પર 100-500ms. બેચ કોલ્સ લગભગ રેખીય રીતે માપન કરે છે - 1,000 ચુકડાઓ 2-10 સેકન્ડોમાં સમાપ્ત થાય છે.
હા — Free.ai એમ્બેડિંગ્સનો વાણિજ્યિક ઉપયોગ કરવાનું પરવાનગી આપે છે. પ્રોડક્શન શોધ, RAG પાઇપલાઇન, સૂચના સિસ્ટમ્સ બિલ્ડ કરો, જેમાં કોઈ વેક્ટર રજિસ્ટર નથી.