Embedding

Text Embedding V4

Text Embedding V4 è il percorso di embedding testuale di Alibaba per l'indicizzazione e il recupero semantico. Nfero lo utilizza come pagina principale per la pianificazione di Ricerca e RAG.

EmbeddingInserimentoAnteprima demo

DisponibilitàAnteprima demo

AccessoAnteprima demo

RegioneSingapore-first

Esplora il modello Dettagli sviluppatore

Pianificazione del recupero

Pianifica un flusso di lavoro AI basato su dati

Accesso ad Alibaba Cloud

Utilizza questa rotta per progettare flussi di ricerca, embedding e riordino prima di abilitare l'accesso alla produzione su Alibaba Cloud.

Input

Prepara contenuti testuali, immagini o documenti per la ricerca e il punteggio tramite vettori.

Recupera

Utilizza gli embedding per raccogliere contesti candidati per una query dell'utente.

Riordina

Applica il riordino di Qwen per prioritizzare le migliori porzioni di fonte.

Continua con Alibaba Cloud Esplora modelli correlati

Nfero potrebbe guadagnare una commissione se acquisterai in seguito tramite un collegamento qualificabile, senza costi aggiuntivi per te.

Tongyi Embedding Vision Plus

Manuale del modello

Per quali scopi utilizzano le squadre

Embedding

Demo di recupero

Relevanza della ricerca

Classifica le pagine dei modelli per uno sviluppatore che cerca il percorso giusto per il modello.

Slot di embedding

Corrispondenza vettoriale

Inserisci le descrizioni dei modelli e raggruppali in base al compito, al costo e alla disponibilità ospitata.

Slot di riordino

Risultato del riacquisto

Riordina le candidature dei modelli in base al ragionamento, alla visione e alla compatibilità.

Utilizzo, accesso e limitiTermini applicabili

Condizioni di utilizzo

Termini applicabili. Conferma le condizioni di utilizzo nell'accordo Alibaba del cliente prima del lancio in produzione.

Accesso ospitato

Questo percorso è pronto per la scoperta, stime dei prezzi e pianificazione degli input mentre viene preparato l'accesso live.

Limiti del modello

Conferma i limiti finali su Alibaba Cloud prima dell'uso in produzione.

Implementazione dello sviluppatoreEsempi API

curl -X POST https://nfero.com/api/models/text-embedding-v4/run \
  -H 'content-type: application/json' \
  -d '{"texts":["Nfero Model Hub","Alibaba Model Studio"],"normalize":true}'

await fetch('/api/models/text-embedding-v4/run', {
  method: 'POST',
  headers: { 'content-type': 'application/json' },
  body: JSON.stringify({
  "texts": [
    "Nfero Model Hub",
    "Alibaba Model Studio"
  ],
  "normalize": true
})
});

import requests
requests.post('https://nfero.com/api/models/text-embedding-v4/run', json={
  "texts": [
    "Nfero Model Hub",
    "Alibaba Model Studio"
  ],
  "normalize": true
})