mxbai-embed-large-v1
Free.ai (self-hosted)
·
embeddings
·
~100 token per call
mxbai-embed-large-v1 adalah a model embedding built by mixedbread.ai. Terkuat di Semantic search, clustering, similarity.. Self-hosted on Free.ai GPUs - runs free against your daily token pool (100 token per panggilan). Dibebaskan dengan Apache 2.0 - penggunaan komersial diijinkan pada Free.ai.
Pertanyaan yang Sering Diajukan
mxbai-embed-large-v1 mengubah teks menjadi vektor padat (daftar float) yang menangkap makna. Gunakan untuk pencarian semantik, clustering, rekomendasi, pengambilan-augmented generasi (RAG), dan tugas apapun di mana "adalah teks ini mirip dengan teks" penting.
Dimensi khasnya adalah 384, 768, 1024, atau 1536 tergantung pada model. BGE-M3 mengeluarkan 1024-dim; OpenAI Ada memancarkan 1536. Respon API termasuk dimensi sehingga vektor DB Anda memilih indeks yang tepat.
Model embedding modern (termasuk kebanyakan pilihan pada Free.ai) dilatih dalam 100 bahasa+.
512 sampai 8.192 token tergantung pada model. Input yang lebih panjang dipotong - potongan dokumen panjang ke paragraf sebelum dibarengi.
mxbai-embed-large-v1 berjalan pada GPU kita sendiri dan adalah salah satu alat termurah - sekitar ~100 token per panggilan ditarik dari kolam renang Gratis harian Anda. $ 5 = 200K token.
Ya - POST daftar strings ke /v1/embeddings/ dan mxbai-embed-large-v1 kembali daftar vektor dalam urutan yang sama. ukuran Batch sampai 2.048 per permintaan.
L2-normalisasi oleh default - kesamaan kosinus = produk titik. Lewatkan ·normalize=falseå jika Anda ingin vektor mentah untuk metrik jarak berbeda.
Pinecone, Weiviate, Qdran, Chroma, pgvector, FAISS, LanceDB. mxbai-embed-large-v1 kembali JSON plain mengapung; DB tidak pernah melihat model.
Ya - POST ke /v1/embeddings/ dengan model="mxbai-embed-large-v1". Bentuk respon yang kompatibel-buka-AI, jadi perpustakaan klien yang ada bekerja tidak berubah. /api/ memiliki referensi penuh.
Model berhostal diri menyimpan teks Anda pada GPU kami dan membuangnya setelah panggilan kembali.
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.
Ya - Free.ai memberikan penggunaan komersial embeddings. Bangun pencarian produksi, jalur pipa RAG, sistem rekomendasi tanpa royalti per-vector.