Nomic Embed v2
Free.ai (self-hosted)
·
embeddings
·
~100 प्रति टोकन call
Nomic Embed v2 an embedding model द्वारा निर्माण गरिएको छ Nomic AI। यो पत्रिकाको प्रकाशक एफ.एम. एफ.एम. हो। Free.ai GPUs मा आत्म-होस्ट - आफ्नो दैनिक टोकन पूल विरुद्ध निःशुल्क चल्छ (100 टोकन प्रति कल)। Apache 2.0 अन्तर्गत जारी गरिएको — व्यावसायिक प्रयोगलाई Free.ai मा अनुमति दिइएको छ ।
API मार्फत प्रयोग गर्नुहोस्
OpenAI-सुसंगत REST API। एक कुञ्जी उत्पन्न गर्नुहोस् र सेकेन्डमा यो नमूना कल गर्नुहोस्।
curl -X POST https://api.free.ai/v1/image/generate/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"nomic-embed-v2","prompt":"your prompt here"}'प्राय सोधिने प्रश्नहरू
Nomic Embed v2 ले पाठलाई घनत्वयुक्त भेक्टरमा रूपान्तरण गर्दछ (उत्प्लवानको सूची) जसले अर्थ समात्दछ । यसलाई अर्थ खोजी, क्लस्टरिङ, सिफारिस, पुन: प्राप्ति-बढाएको उत्पादन (RAG) र कुनै पनि कार्यका लागि प्रयोग गर्नुहोस् जहाँ "यो पाठ त्यो पाठको समान छ" कुराहरू छन् ।
सामान्य आयामहरू 384, 768, 1024, वा 1536 मोडेलमा निर्भर छन्। BGE-M3 1024-dim emits; OpenAI Ada 1536 emits। एपीआई प्रतिक्रियामा आयाम समावेश छ ताकि तपाईंको भेक्टर डीबी सही अनुक्रमणिका चयन गर्दछ।
आधुनिक एम्बेड मोडेल (Free.ai मा सबैभन्दा विकल्प सहित) 100+ भाषाहरूमा प्रशिक्षित छन्। क्रस-भाषा पुन: प्राप्ति कामहरू - अंग्रेजीमा खोजी, स्पेनिशमा कागजातहरू मिलाउनुहोस्।
512 मा 8,192 टोकन मोडेल मा निर्भर। लामो आगत truncated छन् - एम्बेड अघि अनुच्छेद मा chunk लामो कागजात।
Nomic Embed v2 हाम्रो आफ्नै GPUs मा चल्छ र सस्तो उपकरणहरू बीच छ - ~ 100 टोकन प्रति कल आफ्नो दैनिक निःशुल्क पूल बाट खींच बारेमा. $5 = 200K टोकन.
हो — / v1 / embeddings / र Nomic Embed v2 स्ट्रिङको सूची पोस्ट एउटै क्रम मा भेक्टरहरूको सूची फर्काउँछ। प्रति अनुरोध 2,048 सम्म ब्याच आकार।
पूर्वनिर्धारितद्वारा L2-सामान्यीकृत — कोसिन समानता = डट उत्पाद । यदि तपाईँले फरक दूरी मेट्रिकका लागि कच्चा भेक्टरहरू चाहनुहुन्छ भने `normalize=false` पास गर्नुहोस् ।
कुनै पनि - Pinecone, Weaviate, Qdrant, Chroma, pgvector, FAISS, LanceDB. Nomic Embed v2 plain JSON फ्लोटहरू फर्काउँछ; DB कहिल्यै नमूना देख्छ।
हो - POST मा /v1/embeddings / संग मोडेल="Nomic Embed v2"। खुलाAI-संगत प्रतिक्रिया आकार, त्यसैले अवस्थित क्लाइन्ट लाइब्रेरीहरू परिवर्तन छैन काम। /api/ पूर्ण सन्दर्भ छ।
आत्म-होस्ट मोडेल हाम्रो GPUs मा आफ्नो पाठ राख्न र कल फिर्ता पछि यो फाल्नु. एक डीपीए संग प्रिमियम मार्फत पास. हामी आफ्नो इनपुट मा ट्रेन छैन.
स्व-होस्टमा छोटो पाठको लागि सब-100ms, प्रिमियममा 100-500ms। ब्याच कलहरू लगभग रेखीय रूपमा स्केल गर्नुहोस् - 1,000 टुक्राहरू 2-10 सेकेन्डमा पूरा।
हो - Free.ai embeddings को व्यावसायिक प्रयोग अनुदान. उत्पादन खोजी निर्माण, RAG पाइपलाइन, कुनै प्रति-भेक्टर रॉयल्टी संग सिफारिस प्रणाली.