К результатам поиска

Разработчик не указан

Jina Embeddings v2 Base English

Модель Jina для векторных представлений английского текста.

Вход
6 ₽
за 1 млн токенов
API ID
model/jina-embeddings-v2-base-en

Данные каталога получены .

Цена

Векторизация · вход
6,00 ₽ / 1 млн токенов

Цена указана в рублях для выбранной операции и её параметров.

Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.

О модели

Модель Jina для векторных представлений английского текста.

Релиз
Дата не указана

Характеристики

ДоступностьНет данныхПоставщик пока не публикует статистику успешных запросов для этой модели
Тип модели
Векторизация
Вход модели
Текст

Данные, которые модель принимает вместе с запросом.

Выход модели
Векторизация

Форматы результата, которые создаёт модель.

Операции
Векторизация

Настройки

Контрольные показатели

Для этой версии пока нет сопоставленной проверенной оценки. Результаты других версий сюда не переносятся.

Результат бенчмарка относится к его методике и версии модели. Он не гарантирует качество ответа, скорость или доступность конкретного запроса в Kvantora.

API-запрос

Пример API-запроса подготовлен для этой операции. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.

import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener

class NoRedirect(HTTPRedirectHandler):
    def redirect_request(self, req, fp, code, msg, headers, newurl):
        return None

opener = build_opener(NoRedirect)

def post(url, payload):
    request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
        "Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
        "Content-Type": "application/json",
        "Idempotency-Key": os.environ["REQUEST_ID"],
    }, method="POST")
    with opener.open(request, timeout=120) as response:
        return json.load(response)

payload = {
  "model": "model/jina-embeddings-v2-base-en",
  "input": [
    "Текст для поиска"
  ],
  "encoding_format": "float"
}
print(post("https://api.kvantora.ai/v1/embeddings", payload))
Документация APIСоздать API-ключ