あなたの生成AIアプリに最適なAIモデル

text-embedding-3-small

text-embedding-ada-002やtext-embedding-3-largeに比べて精度と効率が向上した、OpenAIの最も費用対効果の高いテキスト埋め込みモデルです。

text-embedding-ada-002

OpenAIのレガシーテキスト埋め込みモデル。text-embedding-3-largeやtext-embedding-3-smallと比較すると、価格も性能も平均的なレベルです。

text-embedding-3-large

OpenAIの最も優れたテキスト埋め込みモデル。

clip-vit-base-patch32

画像エンコードにViT-B/32トランスフォーマ・アーキテクチャを、テキストエンコードにマスク自己アテンション・トランスフォーマを利用したCLIPマルチモーダルモデル・バリアント。

jina-embeddings-v2-small-en

8192トークンまでのシーケンス長に対応する英語モノリンガル埋め込みモデルで、Jina Embeddings v2ファミリーの最小のバリエーション。

jina-embeddings-v2-base-en

英文テキストと長文ドキュメントに特化した埋め込みモデル：最大8192個のトークンのシーケンスをサポート

voyage-code-2

コード検索に最適化されたVoyage AIのテキスト埋め込みモデル（他社製品より17%優れている）。

voyage-2

Voyage AIの汎用テキスト埋め込みモデルは、コスト、レイテンシー、検索品質のバランスに最適化されています。

voyage-large-2

Voyage AI の汎用テキスト埋め込みモデル。検索品質が最適化されており（例：OpenAI V3 Large よりも優れている）、要約、クラスタリング、分類などのタスクに最適。

embed-english-light-v3.0

embed-english-v3.0の小型高速版。ほぼ同等の機能ですが、より高速です。英語のみ。

embed-english-v3.0

MTEBスコア：64.5、BEIRスコア：55.9。

embed-multilingual-v3.0

多言語テキストに対応。100以上の言語をサポートし、言語内および言語間の検索に使用可能。MTEBスコア：64、BEIRスコア：54.6

all-MiniLM-L12-v2

意味検索やRAGに最適な文と短い段落のエンコーダ。事前に学習されたMicrosoft/MiniLM-L12-H384-uncasedモデルをベースに、10億以上の文ペアの大規模データセットで微調整された。

bge-reranker-base

BERTアーキテクチャの基礎の上に構築された、リランキングタスクに最適化されたクロスエンコーダモデル。

all-mpnet-base-v2

768次元のベクトルを生成する。

jina-embeddings-v3

多言語テキスト埋め込みモデル。合計89言語をサポートし、1シーケンスあたり最大8192トークンを処理できる。

instructor-base

インストラクター・モデル・ファミリーの最小バリエーションで、効率とパフォーマンスのバランスを考慮して設計されている。

instructor-large

instructor-base`よりは良いが、`instructor-xl`よりは悪い。

mistral-embed

8,000トークンのコンテキストウィンドウを持つテキストデータに特化した埋め込みモデル。類似検索とRAGアプリケーションに最適化されている。MTEB検索スコア：55.26。

rerank-english-v2.0

文脈長が512トークンの英語文書に対するリランキングモデル。