国产模型

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。

价格：0.07 PTC / 1M tokens

支持两个模型：
BAAI/bge-large-en-v1.5
BAAI/bge-large-zh-v1.5
BAAI/bge-m3

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。

价格：0.02 PTC / 1M Token

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。

价格：0.08 PTC / 1M tokens

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。

价格：0.02 PTC / 1M tokens

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。

价格：0.02 PTC / 1M tokens