# Intfloat E5-Base-v2

> Преобразует английские запросы и тексты в эмбеддинги для семантического поиска, сопоставления и кластеризации; учитывает роли query и passage.

- **ID для API:** `intfloat/e5-base-v2`
- **Тип Модели:** Модель эмбеддингов
- **Контекст:** 512 токенов
- **Максимум на ответ:** 460 токенов
- **Вход:** текст → **Выход:** эмбеддинги

## Описание

#### Суть
E5-base-v2 — модель для получения текстовых эмбеддингов: она кодирует английский текст в векторы, пригодные для сравнения по смыслу. Модель относится к семейству E5 и основана на подходе контрастивного обучения с использованием слабой разметки. Она не предназначена для генерации ответов или продолжения диалога: результатом работы служит представление текста, которое можно использовать в других системах.

#### Сильные стороны
Для задач поиска модель обучена различать запрос и документ с учётом их роли. Поэтому в обучающем формате перед запросом ставят префикс `query: `, а перед текстом-кандидатом — `passage: `. Для задач, где сравниваются тексты одного типа, например семантическое сходство или поиск перефразировок, в карточке модели рекомендуется префикс `query: `. Эмбеддинги можно нормализовать и сравнивать, например, косинусной близостью; важнее порядок результатов, а не абсолютное значение оценки.

#### Контекст и модальности
На вход подаётся текст, на выходе формируются эмбеддинги. Контекст каталога — 512 токенов; более длинный текст при обработке обрезается. Поддержки изображений, аудио или видео в данных каталога не указано.

#### Типовые сценарии
Модель подходит для семантического поиска по коллекции документов, ранжирования текстовых фрагментов относительно запроса, поиска похожих предложений и перефразировок, а также кластеризации. В задачах поиска запрос кодируют с префиксом `query: `, а индексируемые документы — с `passage: `. Для использования в качестве признаков, например в классификации или группировке, авторы также рекомендуют `query: `.

#### Ограничения
Согласно карточке модели, она рассчитана только на английские тексты. Вход длиннее установленного контекста будет усечён, поэтому важные сведения в конце документа могут не попасть в представление. Для осмысленного применения необходимо отдельно организовать хранение векторов, поиск ближайших соседей и проверку качества на данных конкретной задачи. Сырые значения сходства не следует трактовать как вероятность или универсальную оценку релевантности.

#### Отличие от соседей по семейству
В линейке E5 есть варианты `e5-small-v2`, `e5-base-v2` и `e5-large-v2`. Эта модель — вариант Base, тогда как соседние модели относятся к Small и Large. Карточки семейства показывают, что варианты отличаются устройством эмбеддингов; выбор стоит делать с учётом требований конкретного проекта и проверять на собственных запросах и документах. Формат префиксов `query:` и `passage:` используется для задач поиска и в документации этого семейства.

## Цены

- Запрос / 1М: 0,59 ₽

## Провайдеры

Выбрать Провайдера можно параметром `provider` в запросе.

| Провайдер | Цена | Контекст | Макс. ответ | Данные в РФ | 152-ФЗ |
| --- | --- | --- | --- | --- | --- |
| deepinfra/us | Запрос / 1М: 0,59 ₽ | 512 | 460 | — | — |

## Быстрый старт

```bash
curl https://polza.ai/api/v1/embeddings \
  -H "Authorization: Bearer $POLZA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "intfloat/e5-base-v2",
  "input": [
    "Пример текста для поиска"
  ]
}'
```

## Ссылки

- Страница: https://polza.ai/models/intfloat/e5-base-v2
- Каталог: https://polza.ai/models