搜索
AI推荐
直接在302.AI使用硅基流动的模型
登录后,探索更多精彩功能! 点击登录
来自硅基流动的Embeddings模型 Qwen/Qwen3-Embedding-8B Qwen/Qwen3-Embedding-4B Qwen/Qwen3-Embedding-0.6B
价格请看:https://302.ai/price
embeddings用于衡量文本字符串之间的相关性。embeddings通常用于:
搜索(其中结果按照与查询字符串的相关性进行排名) 聚类(其中文本字符串按相似性分组) 推荐(推荐与相关文本字符串相关的项目) 异常检测(识别与众不同、相关性较小的异常值) 多样性测量(分析相似性分布) 分类(按最相似的标签对文本字符串进行分类) embedding是一个浮点数列表(向量)。两个向量之间的距离衡量它们的相关性。小距离表明高度相关,大距离表明相关性低。
Bearer {{YOUR_API_KEY}}
要使用的模型的 ID。您可以使用List models API 来查看所有可用模型,或查看我们的模型概述以了解它们的描述。
输入文本以获取嵌入,编码为字符串或标记数组。要在单个请求中获取多个输入的嵌入,请传递一个字符串数组或令牌数组数组。每个输入的长度不得超过 8192 个标记。
来自硅基流动的Rerank模型,在RAG中可以很大的提升召回的精准度
支持模型: Qwen/Qwen3-Reranker-8B Qwen/Qwen3-Reranker-4B Qwen/Qwen3-Reranker-0.6B