การตั้งค่าความเป็นส่วนตัว

ประกาศความเป็นส่วนตัวและ GDPR

Nfero ใช้พื้นที่จัดเก็บที่จำเป็นสำหรับการตั้งค่าภาษาและการควบคุมการเข้าถึงเดโม เมื่อคุณยินยอม Google Analytics และเหตุการณ์การใช้งานแบบเบาจะช่วยปรับปรุงเดโมโมเดลและเส้นทางการสมัครสมาชิกภายนอก พรอมป์เดโมสดอาจถูกส่งไปยังเอนด์พอยต์โมเดลที่ Alibaba โฮสต์และกำหนดค่าไว้

Qwen

Qwen3-VL Embedding

Qwen3-VL Embedding แปลงข้อมูลที่ผสมผสานระหว่างข้อความ ภาพ และวิดีโอเป็นเวกเตอร์ที่ปรับแต่งได้สำหรับการค้นหาแบบหลายมัลติมีเดียและ RAG Nfero ระบุข้อจำกัดของเอกสารและเส้นทางการเข้าถึง Alibaba โดยไม่แสดงจุดปลายทางที่ยังไม่ได้รับการตรวจสอบ

Qwenการฝังภาษาภาพแบบจำลองแสดงผล
ความพร้อมใช้งานแบบจำลองแสดงผล
เข้าถึงแบบจำลองแสดงผล
ภูมิภาคเป็นผลิตภัณฑ์ที่เน้นสิงคโปร์

การวางแผนการดึงข้อมูล

วางแผนการทำงาน AI ที่มีรากฐานชัดเจน

การเข้าถึง Alibaba Cloud

ใช้เส้นทางนี้เพื่อออกแบบกระบวนการค้นหา การฝัง และการจัดลำดับใหม่ก่อนเปิดใช้งานการเข้าถึงในสภาพแวดล้อมการผลิตบน Alibaba Cloud

1

อินพุต

เตรียมเนื้อหาข้อความ ภาพ หรือเอกสารสำหรับการค้นหาและจัดลำดับความสำคัญด้วยเวกเตอร์

2

ดึงข้อมูล

ใช้การฝังข้อมูลเพื่อรวบรวมบริบทตัวอย่างสำหรับคำถามของผู้ใช้

3

จัดลำดับใหม่

ใช้การจัดลำดับใหม่ของ Qwen เพื่อจัดลำดับแหล่งข้อมูลที่ดีที่สุด

Nfero อาจได้รับค่าคอมมิชชั่นหากคุณซื้อผ่านลิงก์ที่มีคุณสมบัติตามเงื่อนไขในภายหลัง โดยไม่มีค่าใช้จ่ายเพิ่มเติมสำหรับคุณ

คู่มือโมเดล

ทีมใช้เพื่ออะไร

การสาธิตการดึงข้อมูล

ความเกี่ยวข้องของการค้นหา

จัดอันดับหน้าโมเดลสำหรับนักพัฒนาที่กำลังค้นหาเส้นทางโมเดลที่เหมาะสม

สลอตการฝัง

การจับคู่เวกเตอร์

อธิบายโมเดลการฝังและจัดกลุ่มตามงาน ค่าใช้จ่าย และการพร้อมใช้งานบนระบบ

ช่องการจัดลำดับใหม่

ผลลัพธ์การจัดลำดับใหม่

จัดลำดับโมเดลตัวช่วงโดยใช้เหตุผล ภาพ และความเข้ากันได้

การใช้งาน การเข้าถึง และข้อจำกัดมีข้อกำหนด

เงื่อนไขการใช้งาน

มีข้อกำหนด ยืนยันเงื่อนไขการใช้งานในสัญญาของลูกค้า Alibaba ก่อนเปิดตัวในสภาพแวดล้อมการผลิต

การเข้าถึงแบบโฮสต์

เส้นทางนี้พร้อมสำหรับการค้นพบ ประมาณการราคา และการวางแผนการป้อนข้อมูล ในขณะที่การเข้าถึงแบบเรียลไทม์กำลังเตรียมอยู่

ข้อจำกัดของโมเดล

หน้าต่างอินพุต32,768
การนำระบบไปใช้โดยผู้พัฒนาตัวอย่าง API
curl
curl -X POST https://nfero.com/api/models/qwen3-vl-embedding/run \
  -H 'content-type: application/json' \
  -d '{"texts":["Nfero Model Hub","Alibaba Model Studio"],"dimensions":2560,"normalize":true}'
JavaScript
await fetch('/api/models/qwen3-vl-embedding/run', {
  method: 'POST',
  headers: { 'content-type': 'application/json' },
  body: JSON.stringify({
  "texts": [
    "Nfero Model Hub",
    "Alibaba Model Studio"
  ],
  "dimensions": 2560,
  "normalize": true
})
});
Python
import requests
requests.post('https://nfero.com/api/models/qwen3-vl-embedding/run', json={
  "texts": [
    "Nfero Model Hub",
    "Alibaba Model Studio"
  ],
  "dimensions": 2560,
  "normalize": true
})