all-mpnet-base-v2 — эмбеддинги предложений

нейросеть

all-mpnet-base-v2 превращает предложения и короткие абзацы в 768‑мерные плотные векторы, обеспечивая точные семантические представления текста. Идеален для семантического поиска, информационного поиска, кластеризации, оценки сходства и дедупликации. Доступен через BotHub с оплатой в рублях и без необходимости VPN.

Главная

/

Модели

/

Модели эмбеддингов

/

all-mpnet-base-v2 — эмбеддинги предложений

Характеристики

Входные данные
текст
Результат
векторы (эмбеддинги)
Размер контекста
512 токенов
Размерность вектора
768
0,54 ₽

Стоимость промпта

(за 1M токенов)

*Указаны цены при использовании API через ECO-провайдеров.
Пример кода и API для all-mpnet-base-v2 — эмбеддинги предложенийМы предлагаем полный доступ к API OpenAI через наш сервис. Все наши конечные точки полностью соответствуют конечным точкам OpenAI, их можно использовать как с плагинами, так и при разработке собственного программного обеспечения через SDK.Создать API ключ
import OpenAI from 'openai';
const openai = new OpenAI({
  apiKey: '<your bothub access token>',
  baseURL: 'https://openai.bothub.chat/v1'
});

async function main() {
  const response = await openai.embeddings.create({
    model: 'all-mpnet-base-v2',
    input: 'The food was delicious and the waiter...',
    encoding_format: 'float'
  });

  const embedding = response.data[0].embedding;

  console.log(embedding);
}
main();
illustaration

Как работает all-mpnet-base-v2 — эмбеддинги предложений?

Попробуйте all-mpnet-base-v2 на BotHub для семантического поиска и ранжирования.

Частые вопросы о all-mpnet-base-v2 — эмбеддинги предложений

Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.

All Mpnet Base v2 преобразует текст в векторные представления для задач семантики: поиск по смыслу, извлечение релевантных фрагментов, кластеризация, дедупликация и RAG. Модель предназначена для интеграции с векторными базами данных и системами семантического поиска.

Модель выдаёт плотные числовые векторы фиксированной размерности, готовые к хранению и поиску в векторных БД. Входной контекст ограничен 512 токенами, результат используют для расстояний/скалярных произведений и дальнейших операций в системах поиска и кластеризации.

Нет, это модель эмбеддингов: она не генерирует развернутые тексты и не выполняет цепочки рассуждений. Задача модели — кодировать смысл входа в вектор; логические рассуждения и генерация выполняются отдельно в моделях, которые работают с текстом.

Сам по себе эмбеддинг-модель не реализует функцию вызова функций или структурированный JSON-вывод как генератор. Вы получаете векторы, которые затем упаковываете в нужный формат и используете в приложении для сохранения, поиска или передачи в JSON.

В наших данных приём мультимедиа для этой модели не отмечен. All Mpnet Base v2 рассчитана на текстовые входы и выдаёт текстовые эмбеддинги; если нужны мультимодальные представления, используйте специализированные модели, доступные в агрегаторе.

Модель оптимизирована для создания семантических эмбеддингов на основе корпуса данных, использованного при обучении. Для русского она может давать полезные представления, но точность и качество зависят от характера входных текстов и предметной области.

Служба поддержкиРаботаем с 10:00 до 18:00 по МСК