Embedding

Text Embedding V4

Text Embedding V4 to kierunek tekstowy Alibaba do indeksowania semantycznego i pobierania. Nfero używa go jako strony podstawowej do planowania wyszukiwania i RAG.

EmbeddingZagnieżdżeniePodgląd demo

DostępnośćPodgląd demo

DostępPodgląd demo

RegionSingapore-first

Eksploruj model Szczegóły dewelopera

Planowanie pobierania

Planuj zintegrowany workflow AI

Dostęp do Alibaba Cloud

Użyj tego routingu, aby zaprojektować przepływy wyszukiwania, wbudowywania i przeporządkowania przed włączeniem dostępu produkcyjnego w Alibaba Cloud.

Wejście

Przygotuj tekst, obraz lub zawartość dokumentu do wyszukiwania wektorowego i oceny.

Pobierz

Użyj wbudowywania, aby zebrać kandydatów na kontekst dla pytania użytkownika.

Przeporządkuj

Zastosuj przeporządkowanie Qwen, aby uporządkować najlepsze fragmenty źródłowe.

Kontynuuj z Alibaba Cloud Eksploruj powiązane modele

Nfero może uzyskać prowizję, jeśli później dokonasz zakupu za pośrednictwem odpowiedniego linku, bez dodatkowych kosztów dla Ciebie.

Tongyi Embedding Vision Plus

Przewodnik modelowy

Do czego używają zespoły

Embedding

Demonstracja pobierania

Relevancyjsność wyszukiwania

Ranking stron modeli dla dewelopera szukającego odpowiedniej trasy modelu.

Slot do osadzania

Zgodność wektorowa

Zamodeluj opisy i grupuj je według zadania, kosztu i dostępności hostowanej wersji.

Slot do ponownego sortowania

Wynik ponownego sortowania

Ponownie sortuj kandydatów modeli na podstawie rozumowania, wizji i zgodności.

Użycie, dostęp i limityWarunki stosowne

Warunki użycia

Warunki stosowne. Potwierdź warunki użycia w umowie Alibaba klienta przed uruchomieniem produkcji.

Dostęp hostowany

Ten przypadek jest gotowy do odkrycia, szacunkowych kosztów i planowania danych wejściowych, podczas gdy dostęp live jest przygotowywany.

Limity modelu

Potwierdź końcowe limity w Alibaba Cloud przed użyciem w produkcji.

Realizacja deweloperaPrzykłady 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
})