Multilingual E5 Large
Red Neuronal
Multilingual E5 Large es un modelo de embeddings para búsqueda semántica y RAG, codifica textos en más de 90 idiomas en vectores de 1024.
Características
- Entrada
- texto
- Salida
- vectores (embeddings)
- Tamaño del contexto
- 512 tokens
- Dimensiones del vector
- 1 024
Costo del prompt
(por 1M tokens)
Cómo funciona Multilingual E5 Large?
Multilingual E5 Large convierte oraciones, párrafos y documentos en más de 90 idiomas en vectores densos de 1024 dimensiones. El espacio vectorial común permite la comparación interlingüe: una consulta y un documento en diferentes idiomas se ubican cerca si tienen significados similares. En BotHub, el modelo funciona a través de una API única compatible con OpenAI sin VPN ni tarjetas extranjeras, pago en rublos según uso, y más de 250 modelos en una sola ventana; el tráfico está cifrado, y hay contratos y facturas disponibles para equipos. Escenarios: indexación de bases de conocimiento en Qdrant o pgvector, capa de recuperación para asistentes RAG, búsqueda de tickets similares y duplicados, y agrupación de reseñas.Preguntas frecuentes sobre Multilingual E5 Large
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de embeddings: convierte texto en un vector numérico. Estos vectores se utilizan para construir búsqueda semántica, pipelines RAG, agrupación, deduplicación y clasificación de documentos. El contexto es de 512 tokens, por lo que debe dividir los materiales largos en fragmentos e indexarlos por separado.
La salida no es texto ni imagen, sino un embedding: un array de números reales de 1024 dimensiones. Este vector se almacena directamente en Qdrant, pgvector u otro almacenamiento vectorial, y las consultas se envían a través de la API única compatible con OpenAI de BotHub.
Aquí no hay cadenas de razonamiento: es un codificador que convierte el texto en un vector en una sola pasada, no escribe una respuesta. En nuestros datos, el modo de razonamiento tampoco está marcado. Usted construye la lógica de clasificación y reclasificación por su cuenta.
En nuestros datos, esta capacidad no está marcada, y un embedder generalmente no la necesita: el modelo no llama a herramientas externas. Sin embargo, la respuesta de la API llega estructurada: es un JSON con un array de números, que es fácil de analizar y escribir directamente en la base de datos vectorial.
La recepción de dichos archivos no está marcada en nuestros datos; envíe texto como entrada, hasta 512 tokens por consulta. Si el documento es más largo, divídalo en fragmentos con superposición e indexe cada fragmento con un vector separado, de lo contrario se perderá parte del significado.
El ruso es nativo para ella, al igual que decenas de otros idiomas; es un modelo multilingüe de la familia E5. La consulta encontrará el fragmento adecuado en una base de datos en ruso, y la búsqueda interlingüe también funciona: los vectores de diferentes idiomas caen en un mismo espacio semántico común.