mxbai-embed-large-v1
Free.ai (self-hosted)
·
embeddings
·
~100 Token pro call
mxbai-embed-large-v1 is an Embedded Model built by mixedbread.ai. Strongest at Semantic search, clustering, similarity.. Self-hosted on Free.ai GPUs — runs free against your daily token pool (100 tokens pro Anruf). D'Lizenz ass ënner der Apache 2.0 publizéiert ginn, déi op Free.ai autoriséiert ass.
Häufig gestallte Froen
mxbai-embed-large-v1 konvertéiert Text an e kompakte Vektor (eng Lëscht mat Fliisszuelen) deen d' Bedeitung erfaasst. Benotzt et fir semantisch Sich, Clustering, Empfehlungen, Retrival- Augmented Generation (RAG) an all Aufgab wou "ass dëse Text ähnlech wéi dee Text" wichteg ass.
D'Dimensioune vun de Stären sinn 384, 768, 1024 oder 1536, ofhängeg vum Modell. BGE-M3 gëtt 1024-dim aus; OpenAI Ada gëtt 1536 aus. D'API-Äntwert enthält d'Dimensioun, sou datt Är Vektor-DB de richtegen Index wielt.
Modern Embedding Modeller (inklusiv déi meescht Optiounen op Free.ai) sinn op 100 + Sproochen trainéiert. Cross- Sprooch Retrival Aarbechten - Sich an Englesch, Match Dokumenter an Spuenien.
512 bis 8192 Token, ofhängeg vum Modell. Länger Inputen ginn ofgekënnegt - laang Dokumenter an Absätz zerbriechen ier se agebett ginn.
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.
Ja - POST eng Lëscht vu Strings op /v1/embeddings/ an mxbai-embed-large-v1 gëtt eng Lëscht vu Vektoren an der selwechter Reiefolleg zréck. Batch Gréisst bis zu 2048 pro Ufro.
L2- normaliséiert standardméisseg - Cosinus Ähnlechkeet = Punkt Produkt. Passéiert 'normalize=false' wann Dir rau Vektoren fir eng aner Distanzmetrik wëllt.
Any - Pinecone, Weaviate, Qdrant, Chroma, pgvector, FAISS, LanceDB. mxbai-embed-large-v1 returns plain JSON floats; the DB never sees the model.
Yes - POST to /v1/embeddings/ with model="mxbai-embed-large-v1". OpenAI-compatible response shape, so existing client libraries work unchanged. /api/ has the full reference.
Self-hosted Modeller halen Äre Text op eise GPUen a verléieren et no der Noriicht zréck. Premium passt duerch mat engem DPA. Mir trainéieren net op Är Inputen.
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.
Ja - Free.ai erlaabt kommerziell Benotzung vun Embeddings. Baue Si Produktiounssichen, RAG Pipelines, Empfehlungen Systemer ouni pro- Vektor Royalty.