mxbai-embed-large-v1
Free.ai (self-hosted)
·
embeddings
·
~100 ಇದಕ್ಕಾಗಿನ ಸೂಚನೆಗಳು call
mxbai-embed-large-v1 is an Elbed ಮಾದರಿ built by mixedbread.ai. Strongest at Semantic search, clustering, similarity.. Free.ai GPU ಗಳ ಮೇಲೆ ಸ್ವಯಂ- ಆತಿಥೇಯಗೊಂಡಿದೆ - ನಿಮ್ಮ ದಿನನಿತ್ಯದ ಟೋಕನ್ ಪೂಲ್ (100 ಟೋಕನ್ ಕರೆಯಿಗೆ ಪೂರಕ) ವಿರುದ್ಧ ಉಚಿತವಾಗಿ ಚಲಿಸುತ್ತದೆ. Released under Apache 2.0 - commercial use permitted on Free.ai.
ಅನೇಕವೇಳೆ ಪ್ರಶ್ನೆಗಳು
mxbai-embed-large-v1 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.
ಆಧುನಿಕ ಮೆಸೆಡ್ ಮಾದರಿಗಳ (Free.ai ರಲ್ಲಿ ಹೆಚ್ಚಿನ ಆಯ್ಕೆಗಳನ್ನು ಸೇರಿಸಿ) 100+ ಭಾಷೆಗಳಿಗೆ ತರಬೇತಿಯನ್ನು ನೀಡಲಾಗುತ್ತದೆ. ಕ್ರಾಸ್- ಭಾಷೆ ರೆಟ್ರೇಸ್ ಕೃತಿ — ಇಂಗ್ಲೀಷಿನಲ್ಲಿ ಹುಡುಕುವ ಕೆಲಸಗಳು, ಸ್ಪ್ಯಾನಿಷ್ ಭಾಷೆಯಲ್ಲಿ ದಾಖಲೆಗಳನ್ನು ಹೋಲುತ್ತವೆ.
512ರಿಂದ 8,192 ಗುರುತುಗಳು ಮಾದರಿಗೆ ಸಂಬಂಧಿಸಿದೆ. ಇನ್ನು ಮುಂದೆ ಪ್ರದಾನಗಳು ಗೂಢಲಿಪೀಕರಿಸಲ್ಪಟ್ಟ ಉದ್ದವಾದ ದಸ್ತಾವೇಜುಗಳು ಪ್ಯಾರಗ್ರಾಫ್ಗಳಲ್ಲಿ ಗೂಢವಾಗಿ ಜೋಡಿಸಲ್ಪಡುತ್ತವೆ.
mxbai-embed-large-v1 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 mxbai-embed-large-v1 returns a list of vectors in the same order. Batch size up to 2,048 per request.
L2 ಸಾಮಾನ್ಯವಾದ, ಪೂರ್ವನಿಯೋಜಿತ - ಕೋನೀಯ = ಡಾಟ್ ಉತ್ಪನ್ನ. ನೀವು ಬೇರೆ ದೂರ ವ್ರುತ್ತದ ಮಾತೃತ್ವಗಳಿಗೆ ಹಸಿರು ಮಾತೃಕೆ ದ್ವಿಭಾಷೆ.
Any - Pinecone, Weaviate, Qdrant, Chroma, pgvector, FAISS, LanceDB. mxbai-embed-large-v1 returns plain JSON floats; the DB never sees the model.
ಹೌದು - / v1/ embeddings/ ಗೆ POST ಮಾಡಲಾಗಿದೆ, model=" mxbai-embed-large-v1 ". OpenAI- ಸಹವರ್ತಿ ಪ್ರತಿಕ್ರಿಯೆ ಶೈಲಿ, ಹಾಗಾಗಿ ಹಾಲಿ ಇರುವ ಗ್ರಾಹಕ ಲೈಬ್ರರಿಗಳು ಬದಲಾವಣೆಯಾಗದೆ ಕೆಲಸ ಮಾಡುತ್ತವೆ. / api / ಪೂರ್ಣ ಉಲ್ಲೇಖವನ್ನು ಹೊಂದಿದೆ.
ಸ್ವಯಂಸೇರಿಸಿದ ಮಾದರಿಗಳು ನಮ್ಮ ಪ್ರೊಗ್ರಾಮ್ಗಳನ್ನು ನಮ್ಮ GPUS ನಲ್ಲಿ ಇರಿಸಿ ನಂತರ ತಿರಸ್ಕರಿಸುತ್ತವೆ. ಒಂದು DPA ಮೂಲಕ ಪ್ರೊಮೀಮ್ ಹಾದುಹೋಗುತ್ತದೆ. ನಾವು ನಿಮ್ಮ ಪ್ರದಾನಗಳ ಮೇಲೆ ತರುವುದಿಲ್ಲ.
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.
ಹೌದು — Free.ai ಎಮ್ಬಿಡ್ಡಿಂಗ್ಗಳ ಜಾಹೀರಾತು. ಉತ್ಪಾದನೆ, ರಗ್ ಪ್ಲಾಫ್ಸ್, ಪ್ರತಿ ಅನ್ವೇಷಕ ವ್ಯವಸ್ಥಿತ ವ್ಯವಸ್ಥೆಗಳಿಲ್ಲದ ಗಣಕಗಳನ್ನು ನಿರ್ಮಿಸಿ.