Nomic Embed v2
Free.ai (self-hosted)
·
embeddings
·
~100 ಇದಕ್ಕಾಗಿನ ಸೂಚನೆಗಳು call
Nomic Embed v2 is an Elbed ಮಾದರಿ built by Nomic AI. Strongest at Retrieval augmented generation with flexible vector sizes.. 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
Nomic Embed v2 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.
Nomic Embed v2 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 Nomic Embed v2 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. Nomic Embed v2 returns plain JSON floats; the DB never sees the model.
ಹೌದು - / v1/ embeddings/ ಗೆ POST ಮಾಡಲಾಗಿದೆ, model=" Nomic Embed v2 ". 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.