Multilingual E5 Large

EmbeddingsIkke tilgængelig
af CommunityModell-ID: multilingual-e5-large

Microsoft E5 multilingual embedding model with 560M parameters, initialized from XLM-RoBERTa-large and trained with weakly supervised contrastive learning. Covers around 100 languages and returns 1024-dim vectors. It expects query: and passage: prefixes on inputs and is a popular open model for multilingual semantic search.

Status
Ikke tilgængelig
Kontekst
512 tokens
Input → output
Tekst → Vektor
Udvikler
Community
Opdateret
23. september 2026

Multilingual E5 Large er i øjeblikket utilgængelig

Du kan stadig læse detaljerne på denne side. Vælg en af de tilgængelige alternativer nedenfor for at køre en sammenlignelig model med det samme.

Gå til alternativer
01

Sammenlignelige modeller

Alle i denne kategori
02

Playground

Prøv Multilingual E5 Large

Input & resultat

Derzeit nicht verfügbar

Ikke tilgængelig i øjeblikket.

Playground'en er deaktiveret. Du finder sammenlignelige modeller i samme kategori: Se alternativer

Prøv Multilingual E5 Large

0 / 4.000

Text to embed, prefixed with 'query: ' or 'passage: ' per the E5 convention

Kører modellen to gange (faktureres to gange).

Resultat
Vektoren vises her.

Denne kørsel

Ingen pris – ikke tilgængelig i øjeblikket.

Ny her?

10 gratis credits (0,10 US$) når du tilmelder dig med Google

Kan bruges 24 timer efter tilmelding, op til 5 kørsler pr. dag og højst 2 credits pr. kørsel. Andre login-metoder starter uden credits.

03

Om Multilingual E5 Large

Kort sagtFra 23. september 2026

Multilingual E5 Large er en model af Community i kategorien Embeddings. Multilingual E5 Large er i øjeblikket ikke tilgængelig på Railwail. Kontekstvinduet indeholder 512 tokens.

multilingual-e5-large from Microsoft Research is built on XLM-RoBERTa-large and trained with a contrastive objective over large weakly supervised text-pair data followed by supervised fine-tuning. It covers roughly 100 languages and outputs 1024-dim embeddings with a 512-token limit. The E5 convention requires prefixing inputs with query: for search queries and passage: for documents, which the model relies on to separate the two roles. It is a strong, widely adopted open baseline for multilingual retrieval and clustering. Served through the Hugging Face feature-extraction pipeline; mean-pool the token outputs to get the sentence embedding.
04

Priser

Ikke tilgængelig i øjeblikket. Der er i øjeblikket ingen pris for denne model, så den kan ikke køres.

05

API

Kald Multilingual E5 Large med din Railwail API-nøgle. Brug dette model-ID i anmodningen:

I øjeblikket utilgængelig

Modellen har ingen bekræftet pris eller er deaktiveret; API-kald afvises.

06

Specifikationer

Model-ID
multilingual-e5-large
Udvikler
Community
Kategori
Embeddings
Input
Tekst
Output
Vektor
Kontekstvindue
512 tokens
Katalogelement opdateret
23. september 2026

Inputparametre

Inputs og indstillinger fra modellens inputskema. Eksemplet i API-afsnittet viser, hvilke af dem API'en accepterer.

  • inputspåkrævet

    Text to embed, prefixed with 'query: ' or 'passage: ' per the E5 convention

    Type: Tekst
    Standard: –
    Tilladte værdier: op til 4.000 tegn

Tags

  • embedding
  • retrieval
  • rag
  • huggingface
  • e5
  • intfloat
  • microsoft
  • multilingual
  • open-weights
07

Anvendelsestilfælde

08

Ofte stillede spørgsmål

Hvad er Multilingual E5 Large?

Multilingual E5 Large er en model fra Community i kategorien Embeddings. Den er opført på Railwail, men kan ikke køres i øjeblikket.

Hvad koster Multilingual E5 Large på Railwail?

Multilingual E5 Large kan ikke køres på Railwail i øjeblikket, så der er ingen aktuel pris. Tilgængelige alternativer med priser er angivet længere nede på denne side.

Hvad er kontekstvinduet for Multilingual E5 Large?

Kontekstvinduet for Multilingual E5 Large indeholder 512 tokens.

Hvor hurtig er Multilingual E5 Large?

Der er endnu ikke nok målte kørsler af Multilingual E5 Large på Railwail til at angive en udførelsestid. Det afhænger af inputtet, indstillingerne og belastningen hos provideren.

Er Multilingual E5 Large bedre end OpenAI text-embedding-3-large?

Det afhænger af opgaven. Multilingual E5 Large (Community) og OpenAI text-embedding-3-large (OpenAI) er begge modeller i kategorien Embeddings. Sammenligningssiden viser deres priser og specifikationer side om side.

Sammenlign Multilingual E5 Large og OpenAI text-embedding-3-large

Kan jeg bruge Multilingual E5 Large lige nu?

Ikke tilgængelig i øjeblikket. Siden forbliver online; tilgængelige alternativer fra samme kategori er angivet længere nede.

Alle modeller via én API

En API-nøgle til alle modeller på Railwail. Forbrug debiteres fra forudbetalte credits, 1 credit = 0,01 US$.