AI TOOLS RADAR
Odkrywaj
Wszystkie modele / INTFLOAT
intfloat logo
intfloat

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 large-scale data search. Priced at $0.01 per M tokens. 512 token context window.

Zobacz źródło w OpenRouter Hugging Face
Przegląd

Specyfikacja modelu

Kontekst
512 tokens
Maksymalne wyjście
460 tokens
Architektura
text->embeddings
Tokenizer
Other
Granica wiedzy
Brak danych
Moderowany
Nie
OPENROUTER

Pełny cennik

Stawki zsynchronizowane z OpenRouter, za milion tokenów.

Wejście
$0.01
/M tokens
API

Szybki start

Wywołaj ten model przez zgodne z OpenAI API OpenRouter.

curl https://openrouter.ai/api/v1/embeddings \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"intfloat/multilingual-e5-large","input":"Your text here"}'
Możliwości i modalności

Wejście → Wyjście

Wejście
text
Wyjście
embeddings
API

Obsługiwane parametry API

frequency_penaltymax_tokensmin_ppresence_penaltyrepetition_penaltyresponse_formatseedstoptemperaturetop_ktop_p
Dostępni dostawcy

1 Dostawca

Dostawcy na żywo w OpenRouter

Dostępność, opóźnienie, przepustowość i routing stale się zmieniają. Aktualne dane są na stronie źródłowej.

OpenRouter

DeepInfra

fp32
Kontekst
1K
Maksymalne wyjście
0K
Wejście
$0.010
Wyjście
Bezpłatnie
Odczyt pamięci podręcznej
Brak danych
Zapis pamięci podręcznej
Brak danych
intfloat

modele

Wszystkie modele
intfloat logointfloat

Intfloat: E5-Large-v2

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.

Kontekst
1K
Wejście
text
Wyjście
embeddings
Wejście: $0.010Wyjście: Bezpłatnieza milion tokenów
Zobacz szczegóły modelu →
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,...

Kontekst
1K
Wejście
text
Wyjście
embeddings
Wejście: $0.0050Wyjście: Bezpłatnieza milion tokenów
Zobacz szczegóły modelu →