mxbai-embed-large-v1
Free.ai (self-hosted)
·
embeddings
·
~100 符合的运数符数 call
mxbai-embed-large-v1是a 嵌入模型,由mixedbread.ai制造。 最强的 Semantic search, clustering, similarity.。 在Free.ai GPUs上自行托管——免费运行于您的每日代币池({tpm_signs} 每 呼数)。 以Apache 2.0 -- -- 允许在Free.ai上的商业用途释放。
常问问题
mxbai-embed-large-v1 将文字转换成能捕捉含义的密度矢量(浮点列表) 。 用于语义搜索、 组合、 建议、 检索- 增强生成 (RAG), 以及任何“ 文本与该文本相似” 的任务 。
典型尺寸为384、768、1024或1536,视模型而定。 BGE-M3 emits 1024- dim; OpenAI Ada emits 1536。 API 反应包含尺寸, 所以您的矢量 DB 选择正确的索引 。
现代嵌入模型(包括大部分关于Free.ai的选项)在100+语言方面得到了培训,跨语言检索工作-搜索英文,匹配文件用西班牙文。
512至8 192 个符号取决于模型。 较长输入被缩短 - 在嵌入前将长文档块放入段落 。
mxbai-embed-large-v1 运行在我们自己GPUs上,是最便宜的工具之一, 大约~100个来自每日免费游泳池的电话。 $5 = 200K 的象征性。
是 - POST 的字符串列表 / v1/ embeddings/ 和 mxbai-embed-large-v1 返回以相同顺序排列的矢量列表。 批量大小为2 048 个请求。
L2- 默认情况下的正常化 - 余弦相似性 = 点产品。 如果想要使用不同距离的原始矢量, 则通过 ` 正常化= false'。
任何 - 松酮、 Weavate、 Qdrant、 Chroma、 pgvetor、 FASIS、 LanceDB. `mxbai-embed-large-v1 返回普通 JSON 浮标; DB 从未看到该模型 。
是- POST 到/v1/embedings/ with model= "mxbai-embed-large-v1"。 OpenAI 兼容的反应形状,因此现有客户图书馆的工作没有变化。
自行托管的模型将您的文本保存在我们的 GPU 上, 并在调用返回后丢弃它。 优先通过协议。 我们不训练您的投入 。
自动托管的短文本分100米,加价100-500米。批次呼叫量大致线性 - 1,000块,在2-10秒内完成。
是的 - Free.ai 授予商业使用嵌入。 构建生产搜索,RAG管道,建议系统,没有每向量版税。