Nomic Embed Text v1.5

EmbeddingsInte tillgänglig

av Communitynomic-embed-text-v1-5

Nomic AI open embedding model with a fully reproducible training pipeline (open weights, data and code). Supports an 8192-token context and Matryoshka representation learning, so you can truncate the 768-dim output down to 64 dims with graceful quality loss. Uses task prefixes like search_query and search_document.

Se alternativ Jämför

Status: Inte tillgänglig
Kontext: 8 192 tokens
Inmatning → utmatning: Text → Vektor
Utvecklare: Community
Uppdaterad: 23 september 2026

Nomic Embed Text v1.5 är för närvarande otillgänglig

Du kan fortfarande läsa detaljerna på denna sida. Välj ett av de tillgängliga alternativen nedan för att köra en jämförbar modell direkt.

Gå till alternativ

Jämförbara modeller

Alla i denna kategori

OpenAI text-embedding-3-largeOpenAI
OpenAI's highest-quality embedding model. Returns 3072-dim vectors by default and supports reducing dimensions via the dimensions parameter. Outperforms text-embedding-3-small and the older ada-002 on MTEB and multilingual MIRACL retrieval benchmarks, for cases where accuracy matters more than cost.
0,156 US$/1M in
Jämför Nomic Embed Text v1.5 och OpenAI text-embedding-3-large
OpenAI text-embedding-3-smallOpenAI
OpenAI's small, low-cost embedding model. Returns 1536-dim vectors by default and supports shortening output dimensions via the dimensions parameter without retraining. Replaced text-embedding-ada-002 with better retrieval quality at a fraction of the price, and is the default choice for general-purpose semantic search and RAG.
0,024 US$/1M in
Jämför Nomic Embed Text v1.5 och OpenAI text-embedding-3-small

Playground

Prova Nomic Embed Text v1.5

Inmatning & resultat

Inte tillgänglig för närvarande

Inte tillgänglig för närvarande.

Lekplatsen är inaktiverad. Du hittar jämförbara modeller i samma kategori: Visa alternativ

Text

0 / 8 000

Text to embed, prefixed with a task tag such as 'search_query: ' or 'search_document: '

Jämför med (valfritt)

Kör modellen två gånger (faktureras två gånger).

⌘/Ctrl + Enter

Resultat

Vektorn visas här.

Denna körning

Inget pris – för närvarande otillgängligt.

Ny här?

10 gratis credits (0,10 US$) när du registrerar dig med Google

Användbar 24 timmar efter registrering, upp till 5 körningar per dag och högst 2 credits per körning. Andra inloggningsmetoder startar utan credits.

Om Nomic Embed Text v1.5

Kort sagtFrån och med 23 september 2026

Nomic Embed Text v1.5 är en modell av Community i kategorin Embeddings. Nomic Embed Text v1.5 är för närvarande inte tillgänglig på Railwail. Kontextfönstret innehåller 8 192 tokens.

nomic-embed-text-v1.5 from Nomic AI is a long-context English embedding model released with open weights, open training data and open code for full reproducibility. It handles inputs up to 8192 tokens and was trained with Matryoshka representation learning, which means the 768-dim output can be truncated to smaller sizes (down to 64 dims) while keeping most of its retrieval quality, useful for cutting storage and search cost. Inputs are prefixed with task tags such as search_query, search_document, classification or clustering. Served through the Hugging Face feature-extraction pipeline; mean-pool and L2-normalize the token outputs.

Priser

Inte tillgänglig för närvarande. Det finns ingen pris för denna modell för närvarande, så den kan inte köras.

API

Anropa Nomic Embed Text v1.5 med din Railwail API-nyckel. Använd detta modell-ID i begäran:

nomic-embed-text-v1-5API-dokumentation Hämta API-nyckel

För närvarande otillgänglig

Modellen har inget verifierat pris eller är inaktiverad; API-anrop avvisas.

Specifikationer

Modell-ID: nomic-embed-text-v1-5
Utvecklare: Community
Kategori: Embeddings
Inmatning: Text
Utmatning: Vektor
Kontextfönster: 8 192 tokens
Kataloginlägg uppdaterat: 23 september 2026

Indataparametrar

Inmatningar och inställningar från modellens indataschema. Exemplet i API-avsnittet visar vilka som API:et accepterar.

ParameterTypStandardTillåtna värden

inputsobligatorisk
Text to embed, prefixed with a task tag such as 'search_query: ' or 'search_document: '
Typ: Text
Standard: –
Tillåtna värden: upp till 8 000 tecken

Taggar

embedding
retrieval
rag
huggingface
nomic
matryoshka
long-context
open-weights

Användningsfall

Relaterade guider

Embedding Models for Search & Science

Alla modeller i Embeddings

Vanliga frågor

Vad är Nomic Embed Text v1.5?

Nomic Embed Text v1.5 är en modell av Community i kategorin Embeddings. Den finns i Railwail-katalogen men kan inte köras för närvarande.

Vad kostar Nomic Embed Text v1.5 på Railwail?

Nomic Embed Text v1.5 kan inte köras på Railwail för närvarande, så det finns inget aktuellt pris. Tillgängliga alternativ med priser visas längre ned på denna sida.

Hur stort är kontextfönstret för Nomic Embed Text v1.5?

Kontextfönstret för Nomic Embed Text v1.5 innehåller 8 192 tokens.

Hur snabb är Nomic Embed Text v1.5?

Det finns ännu inte tillräckligt många uppmätta körningar av Nomic Embed Text v1.5 på Railwail för att ange en körningstid. Det beror på inmatningen, inställningarna och belastningen hos leverantören.

Är Nomic Embed Text v1.5 bättre än OpenAI text-embedding-3-large?

Det beror på uppgiften. Nomic Embed Text v1.5 (Community) och OpenAI text-embedding-3-large (OpenAI) är båda modeller i kategorin Embeddings. Jämförelsesidan visar deras priser och specifikationer sida vid sida.

Jämför Nomic Embed Text v1.5 och OpenAI text-embedding-3-large

Kan jag använda Nomic Embed Text v1.5 just nu?

Inte tillgänglig för närvarande. Sidan förblir online; tillgängliga alternativ från samma kategori visas längre ned.

Alla modeller via ett API

En API-nyckel för alla modeller på Railwail. Användningen debiteras från förbetald kredit, 1 kredit = 0,01 US$.

Hämta API-nyckel Bläddra bland alla modeller