AI TOOLS RADAR
Enviar
Todos os modelos / INTFLOAT
intfloat logo
intfloat

Intfloat: E5-Base-v2

Descrição da fonte (inglês)

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,...

Ver fonte no OpenRouter Hugging Face
Visão geral

Especificações do modelo

Contexto
512 tokens
Saída máxima
460 tokens
Arquitetura
text->embeddings
Tokenizador
Other
Limite de conhecimento
Não informado
Moderado
Não
OPENROUTER

Preços completos

Tarifas sincronizadas do OpenRouter, por milhão de tokens.

Entrada
$0.005
por milhão de tokens
API

Início rápido

Defina OPENROUTER_API_KEY localmente. Python requer requests; JavaScript roda em Node.js. Mantenha a chave no servidor.

Documentação da 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-base-v2","input":"Your text here"}'
Recursos e modalidades

Entrada → Saída

Entrada
text
Saída
embeddings
API

Parâmetros de API compatíveis

Provedores disponíveis

1 Provedor

Verificado: 16 de setembro de 2026

Provedores ao vivo no OpenRouter

Disponibilidade, latência, throughput e roteamento mudam continuamente. Consulte a fonte para dados atuais.

OpenRouter

DeepInfra

Não informado
Contexto
1K
Saída máxima
0K
Entrada
$0.005
Saída
Grátis
Leitura de cache
Não informado
Gravação de cache
Não informado
intfloat

2 modelos

Todos os modelos
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.

Contexto
1K
Entrada
text
Saída
embeddings
Entrada: $0.01por milhão de tokens
Ver detalhes do modelo →
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...

Contexto
1K
Entrada
text
Saída
embeddings
Entrada: $0.01por milhão de tokens
Ver detalhes do modelo →