e5-base-v2 — 768‑мерные эмбединги
нейросеть
e5-base-v2 кодирует английские предложения и абзацы в плотное 768‑мерное векторное пространство, обеспечивая быстрые и стабильные семантические представления. Модель оптимизирована для семантического поиска, оценки сходства и задач извлечения релевантных фрагментов текста. Доступна через BotHub без VPN и с оплатой в рублях.
Характеристики
- Входные данные
- текст
- Результат
- векторы (эмбеддинги)
- Размер контекста
- 512 токенов
- Размерность вектора
- 768
Стоимость промпта
(за 1M токенов)
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: 'e5-base-v2',
input: 'The food was delicious and the waiter...',
encoding_format: 'float'
});
const embedding = response.data[0].embedding;
console.log(embedding);
}main();
Как работает e5-base-v2 — 768‑мерные эмбединги?
Используйте e5-base-v2 на BotHub для точного поиска и сравнения текстов.Частые вопросы о e5-base-v2 — 768‑мерные эмбединги
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.
E5 Base v2 — эмбеддинг‑модель, которая преобразует текст в векторные представления для задач семантического поиска, RAG, кластеризации, поиска похожих документов и индексирования. Часто применяется в рекомендательных системах, аналитике и пайплайнах, где нужен быстрый семантический поиск.
Модель генерирует числовые эмбеддинги — векторные представления текста, предназначенные для вычислений сходства и индексирования. Входной контекст обрабатывается до 512 токенов, а результат возвращается как числовой массив через API, а не как развернутый текстовый ответ.
В предоставленных данных не отмечено, что модель выполняет рассуждения перед ответом. E5 Base v2 фокусируется на формировании эмбеддингов; более сложные рассуждения и логика обычно реализуются на уровне приложений, которые используют эти векторные представления.
В наших данных не отмечено явной поддержки function calling или структурированного JSON‑вывода. Как эмбеддинг‑модель, E5 Base v2 возвращает числовые векторы; если нужен JSON или вызов функций, это обычно реализуется в вашей обёртке или API‑слое.
В предоставленных данных не указано, принимает ли модель изображения, аудио или видео. Отмечено только EMBEDDING; поэтому стоит рассчитывать на работу с текстом и проверить в вашей интеграции поддержку мультимедиа через обёртку или отдельные модели.
В данных не указана явная информация о качестве понимания русского. Эмбеддинги отражают семантику текста, поэтому точность на русском зависит от тренировочных данных и задач. Для оценки рекомендуем протестировать модель на ваших репрезентативных примерах и кейсах.