Карточка модели
E5 Large v2
e5-large-v2Характеристики
Значения объединены по всем поставщикам; у конкретного поставщика они могут быть уже. Точные данные — в таблице ниже.
Поставщики и цены
| Поставщик | ID у поставщика | Контекст | Ввод, $/1M | Вывод, $/1M | Кэш чтение | Кэш запись | Инференс |
|---|---|---|---|---|---|---|---|
| DigitalOcean | e5-large-v2 | 1 тыс. | $0.02 | $0 | — | — | — |
«Доступен» — у Airuns настроен системный ключ этого поставщика, модель можно запускать прямо сейчас.
Hugging Face
Автоматическое совпадение по имениREADME · intfloat/e5-large-v2
Отрывок на языке оригинала:
Liang Wang, Nan Yang, Xiaolong Huang, Binxing Jiao, Linjun Yang, Daxin Jiang, Rangan Majumder, Furu Wei, arXiv 2022
This model has 24 layers and the embedding size is 1024.
Below is an example to encode queries and passages from the MS-MARCO passage ranking dataset.
Please refer to our paper at https://arxiv.org/pdf/2212.03533.pdf.
Check out unilm/e5 to reproduce evaluation results on the BEIR and MTEB benchmark.
Below is an example for usage with sentencetransformers.
Package requirements
pip install sentencetransformers=2.2.2
Contributors: michaelfeil
1. Do I need to add the prefix "query: " and "passage: " to input texts?
Yes, this is how the model is trained, otherwise you will see a performance degradation.
Here are some rules of thumb: - Use "query: " and "passage: " correspondingly for asymmetric tasks such as passage retrieval in open QA, ad-hoc information retrieval.
-…
Читать дальше на Hugging Face →
Источник каталога: https://models.dev/api.json. Получено: 01.11.2026 01:09 UTC. Цены и лимиты — данные источника; перед использованием проверяйте условия поставщика.