Nomic Embed v2
Free.ai (self-hosted)
·
embeddings
·
~100 tokens per call
Nomic Embed v2 adalah an embedding model dibina oleh Nomic AI. Paling kuat di Retrieval augmented generation with flexible vector sizes.. Dihost sendiri pada Free.ai GPU — berjalan percuma terhadap kolam token harian anda (100 tokens per panggilan). Dikeluarkan di bawah Apache 2.0 - penggunaan komersial dibenarkan di Free.ai.
Soalan Lazim
Nomic Embed v2 menukar teks ke vektor padat (senarai apung) yang menangkap makna. Gunakannya untuk carian semantik, pengumpulan, cadangan, penjanaan penambah-pendapatan (RAG), dan sebarang tugas di mana "teks ini serupa dengan teks itu" penting.
Dimensi tipikal ialah 384, 768, 1024, atau 1536 bergantung pada model. BGE-M3 mengeluarkan 1024-dim; OpenAI Ada mengeluarkan 1536. Jawapan API termasuk dimensi supaya DB vektor anda memilih indeks yang betul.
Model penempatan moden (termasuk kebanyakan pilihan pada Free.ai) dilatih pada 100+ bahasa. Pencarian lintas-bahasa berfungsi - cari dalam Bahasa Inggeris, padan dokumen dalam Bahasa Sepanyol.
512 hingga 8,192 token bergantung pada model. Input yang lebih panjang dipotong - pecahkan dokumen panjang ke dalam perenggan sebelum mengedit.
Nomic Embed v2 berjalan pada GPU kami sendiri dan adalah antara alat termurah - sekitar ~100 token per panggilan ditarik dari kolam percuma harian anda. $5 = 200K token.
Ya - POST senarai rentetan ke /v1/embeddings/ dan Nomic Embed v2 mengembalikan senarai vektor dalam urutan yang sama. Saiz kumpulan sehingga 2,048 per permintaan.
L2-normalisasi secara default - kesamarataan kosinus = produk titik. Lalukan `normalize=false` jika anda mahu vektor mentah untuk metrik jarak yang berbeza.
Mana- mana - Pinecone, Weaviate, Qdrant, Chroma, pgvector, FAISS, LanceDB. Nomic Embed v2 mengembalikan apung JSON biasa; DB tidak pernah melihat model.
Ya - POST ke /v1/embeddings/ dengan model="Nomic Embed v2". Bentuk respon serasi OpenAI, jadi pustaka klien sedia ada bekerja tanpa diubah. /api/ mempunyai rujukan penuh.
Model sendirian menyimpan teks anda pada GPU kami dan membuangnya selepas panggilan kembali. Premium lalu dengan DPA. Kami tidak melatih pada input anda.
Sub-100ms untuk teks pendek pada self-hosted, 100-500ms pada premium. Panggilan berbilang skala secara linear - 1,000 keping selesai dalam 2-10 saat.
Ya - Free.ai memberi kebenaran untuk menggunakan penempatan secara komersial. Bina carian pengeluaran, paip RAG, sistem cadangan tanpa royalti per-vektor.