Embedding

Text Embedding V4

Text Embedding V4 adalah rute teks embedding Alibaba untuk indeks semantik dan pengambilan. Nfero menggunakan halaman ini sebagai dasar untuk perencanaan Search dan RAG.

EmbeddingEmbeddingPratonton demo

KetersediaanPratonton demo

AksesPratonton demo

KawasanPertama Singapura

Jelajahi model Butiran pembangun

Perancangan pengambilan

Rancang alur kerja AI yang terbina

Akses Alibaba Cloud

Gunakan rute ini untuk merancang aliran carian, penyematan, dan reranking sebelum mengaktifkan akses pengeluaran di Alibaba Cloud.

Input

Sediakan kandungan teks, imej atau dokumen untuk carian vektor dan penilaian.

Dapatkan

Gunakan penyematan untuk mengumpulkan konteks calon bagi soalan pengguna.

Rerank

Terapkan reranking Qwen untuk mengutamakan perenggan sumber terbaik.

Teruskan dengan Alibaba Cloud Jelajahi model berkaitan

Nfero mungkin akan mendapat komisen jika anda membeli melalui pautan yang sah nanti, tanpa kos tambahan kepada anda.

Tongyi Embedding Vision Plus

Buku panduan model

Apa yang digunakan oleh pasukan untuk

Embedding

Demo pengambilan

Kepentingan carian

Susun laman model untuk seorang pembangun yang mencari jalan model yang betul.

Slot pembenaman

Padanan vektor

Benamkan penerangan model dan kelompokkannya mengikut tugas, kos dan ketersediaan hos.

Slot reranking

Hasil reranking

Rerank calon model berdasarkan pemikiran, visi, dan kesesuaian.

Penggunaan, akses dan hadSyarat terpakai

Terma penggunaan

Syarat terpakai. Sahkan terma penggunaan dalam perjanjian Alibaba pelanggan sebelum pelancaran pengeluaran.

Akses terhosting

Laluan ini siap untuk ditemui, pengiraan harga, dan perancangan input sementara akses langsung disediakan.

Had model

Sahkan had akhir di Alibaba Cloud sebelum penggunaan dalam pengeluaran.

Pelaksanaan pembangunContoh 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
})