Nomic Embed v2
Free.ai (self-hosted)
·
embeddings
·
~100 Token pro call
Nomic Embed v2 is an Embedded Model built by Nomic AI. Strongest at Retrieval augmented generation with flexible vector sizes.. 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
Nomic Embed v2 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.
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.
Ja - POST eng Lëscht vu Strings op /v1/embeddings/ an Nomic Embed v2 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. Nomic Embed v2 returns plain JSON floats; the DB never sees the model.
Yes - POST to /v1/embeddings/ with model="Nomic Embed v2". 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.