AI TOOLS RADAR
Explorar
Todos os modelos / 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.

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
$0.01
/M tokens
API

Início rápido

Use este modelo pela API compatível com OpenAI do 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"}'
Recursos e modalidades

Entrada → Saída

Entrada
text
Saída
embeddings
API

Parâmetros de API compatíveis

frequency_penaltymax_tokensmin_ppresence_penaltyrepetition_penaltyresponse_formatseedstoptemperaturetop_ktop_p
Provedores disponíveis

1 Provedor

Provedores ao vivo no OpenRouter

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

OpenRouter

DeepInfra

fp32
Contexto
1K
Saída máxima
0K
Entrada
$0.010
Saída
Grátis
Leitura de cache
Não informado
Gravação de cache
Não informado
intfloat

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: $0.010Saída: Grátispor milhão de tokens
Ver detalhes do modelo →
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,...

Contexto
1K
Entrada
text
Saída
embeddings
Entrada: $0.0050Saída: Grátispor milhão de tokens
Ver detalhes do modelo →