Modelli AI per le Tue App GenAI

Costruire applicazioni GenAI con i modelli di embedding e reranking più adatti al tuo business.

In primo piano

Scegliere il Modello di Embedding Giusto per i Tuoi Dati

Scopri come scegliere il modello di embedding giusto e dove trovarlo in base al tipo di dati, lingua, dominio di specializzazione e molti altri fattori.

Leggi ora

Modelli AI Popolari

Scopri e confronta i migliori modelli di embedding e reranking disponibili sul mercato.

text-embedding-ada-002
Incorporazione
Testo
Proprietario
Milvus Integrated
Il modello di incorporamento del testo legacy di OpenAI; con un livello medio di prezzo e prestazioni rispetto a text-embedding-3-large e text-embedding-3-small.
text-embedding-3-large
Incorporazione
Testo
Proprietario
Milvus & Zilliz Cloud Integrated
Il modello di incorporazione del testo più performante di OpenAI; adattato al testo inglese.
text-embedding-3-small
Incorporazione
Testo
Proprietario
Milvus & Zilliz Cloud Integrated
Il modello di incorporazione del testo più conveniente di OpenAI, con una maggiore precisione ed efficienza rispetto a text-embedding-ada-002 e text-embedding-3-large.
jina-embeddings-v2-small-en
Incorporazione
Testo
Apache 2.0
Milvus Integrated
Un modello di incorporazione monolingue inglese per una sequenza di lunghezza fino a 8192 token; la variante più piccola della famiglia Jina Embeddings v2.
clip-vit-base-patch32
Incorporazione
Multimodale
Apache 2.0
Zilliz Cloud Integrated
Una variante del modello multimodale CLIP che utilizza un'architettura di trasformatori ViT-B/32 per la codifica delle immagini e un trasformatore di autoattenzione mascherato per la codifica del testo.
jina-embeddings-v2-base-en
Incorporazione
Testo
Apache 2.0
Milvus Integrated
Modello di incorporamento specializzato per testi in inglese e documenti lunghi; supporta sequenze fino a 8192 tokens
voyage-code-2
Incorporazione
Testo
Proprietario
Milvus Integrated
Il modello di incorporazione del testo di Voyage AI ottimizzato per il recupero dei codici (17% migliore rispetto alle alternative).
voyage-2
Incorporazione
Testo
Proprietario
Milvus Integrated
Il modello di incorporazione del testo per uso generale di Voyage AI è ottimizzato per bilanciare costi, latenza e qualità di recupero.
voyage-large-2
Incorporazione
Testo
Proprietario
Milvus Integrated
Modello di incorporazione del testo di uso generale di Voyage AI; ottimizzato per la qualità del recupero (ad esempio, migliore di OpenAI V3 Large); ideale per compiti come riassunto, clustering e classificazione.
embed-english-light-v3.0
Incorporazione
Testo
Proprietario
Milvus Integrated
Una versione più piccola e veloce di embed-english-v3.0. Quasi altrettanto capace, ma molto più veloce. Solo in inglese.
embed-english-v3.0
Incorporazione
Testo
Proprietario
Milvus Integrated
Personalizzato per il testo inglese; punteggio MTEB: 64,5; punteggio BEIR: 55,9
embed-multilingual-v3.0
Incorporazione
Testo
Proprietario
Milvus Integrated
È stato creato su misura per i testi multilingue; supporta più di 100 lingue e può essere utilizzato per effettuare ricerche all'interno di una lingua e tra le lingue; punteggio MTEB: 64; punteggio BEIR: 54.6
all-mpnet-base-v2
Incorporazione
Testo
Apache 2.0
Milvus Integrated
Codificatore di frasi e paragrafi brevi; genera vettori a 768 dimensioni.
all-MiniLM-L12-v2
Incorporazione
Testo
Apache 2.0
Milvus Integrated
Un codificatore di frasi e brevi paragrafi ideale per la ricerca semantica e la RAG; si basa sul modello pre-addestrato Microsoft/MiniLM-L12-H384-uncased ed è stato messo a punto su un ampio set di dati di oltre 1 miliardo di coppie di frasi.
instructor-base
Incorporazione
Testo
Apache 2.0
Milvus Integrated
La variante più piccola della famiglia di modelli Instructor, progettata per bilanciare efficienza e prestazioni.
bge-base-en-v1.5
Incorporazione
Testo
Apache 2.0
Milvus Integrated
Un modello di incorporazione generale (BGE) introdotto da BAAI e adattato al testo inglese.
bge-reranker-base
Reranking
Testo
Apache 2.0
Milvus Integrated
Un modello di cross-encoder ottimizzato per i compiti di reranking costruito sulla base dell'architettura BERT.
jina-embeddings-v3
Incorporazione
Testo
CC BY-NC 4.0
Milvus Integrated
Un modello di incorporazione del testo multilingue; supporta 89 lingue in totale; può elaborare fino a 8192 token per sequenza.
instructor-large
Incorporazione
Testo
Apache 2.0
Un modello ottimizzato per le istruzioni e adattato alle incorporazioni di testo; prestazioni migliori di `istruttore-base', ma peggiori di `istruttore-xl'.
mistral-embed
Incorporazione
Testo
Proprietario
Un modello di incorporazione specializzato per dati testuali con una finestra di contesto di 8.000 token. Ottimizzato per il recupero di similarità e per le applicazioni RAG. Punteggio di recupero MTEB: 55,26.

Modelli AI per le Tue App GenAI

Scegliere il Modello di Embedding Giusto per i Tuoi Dati

Modelli AI Popolari

text-embedding-ada-002

text-embedding-3-large

text-embedding-3-small

jina-embeddings-v2-small-en

clip-vit-base-patch32

jina-embeddings-v2-base-en

voyage-code-2

voyage-2

voyage-large-2

embed-english-light-v3.0

embed-english-v3.0

embed-multilingual-v3.0

all-mpnet-base-v2

all-MiniLM-L12-v2

instructor-base

bge-base-en-v1.5

bge-reranker-base

jina-embeddings-v3

instructor-large

mistral-embed