AI TOOLS RADAR
Invia
Tutti i modelli / INTFLOAT
intfloat logo
intfloat

Intfloat: E5-Large-v2

Descrizione della fonte (inglese)

The e5-large-v2 embedding model maps English sentences, paragraphs, and documents into a 1024-dimensional dense vector space, delivering high-accuracy semantic embeddings optimized for retrieval, semantic search, reranking, and similarity-scoring tasks.

Vedi la fonte su OpenRouter Hugging Face
Panoramica

Specifiche del modello

Contesto
512 tokens
Output massimo
460 tokens
Architettura
text->embeddings
Tokenizer
Other
Limite di conoscenza
Non indicato
Moderato
No
OPENROUTER

Prezzi completi

Tariffe sincronizzate da OpenRouter, per milione di token.

Input
$0.01
per milione di token
API

Avvio rapido

Imposta OPENROUTER_API_KEY localmente. Python richiede requests; JavaScript viene eseguito in Node.js. Conserva la chiave sul server.

Documentazione API

curl --fail-with-body https://openrouter.ai/api/v1/embeddings \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"intfloat/e5-large-v2","input":"Your text here"}'
Capacità e modalità

Input → Output

Input
text
Output
embeddings
API

Parametri API supportati

Provider disponibili

1 Provider

Verificato: 16 settembre 2026

Provider live su OpenRouter

Disponibilità, latenza, throughput e routing cambiano continuamente. Consulta la fonte per i dati correnti.

OpenRouter

DeepInfra

Non indicato
Contesto
1K
Output massimo
0K
Input
$0.01
Output
Gratuito
Lettura cache
Non indicato
Scrittura cache
Non indicato
intfloat

2 modelli

Tutti i modelli
intfloat logointfloat

Intfloat: E5-Base-v2

The e5-base-v2 embedding model encodes English sentences and paragraphs into a 768-dimensional dense vector space, producing efficient and high-quality semantic embeddings optimized for tasks such as semantic search, similarity scoring,...

Contesto
1K
Input
text
Output
embeddings
Input: $0.005per milione di token
Vedi i dettagli del modello →
intfloat logointfloat

Intfloat: Multilingual-E5-Large

The multilingual-e5-large embedding model encodes sentences, paragraphs, and documents across over 90 languages into a 1024-dimensional dense vector space, delivering robust semantic embeddings optimized for multilingual retrieval, cross-language similarity, and...

Contesto
1K
Input
text
Output
embeddings
Input: $0.01per milione di token
Vedi i dettagli del modello →