언어부터 이미지, 오픈 웨이트부터 API까지. 기능과 실제 비용을 비교하세요.
다음 아이디어에 맞는 AI를 찾아보세요.
ONNX port of sentence-transformers/all-MiniLM-L6-v2 for text classification and similarity searches. Here's an example of performing inference using the model with FastEmbed.
번역 대기 중 · 원문 표시
ONNX port of sentence-transformers/all-MiniLM-L6-v2 adjusted to return attention weights. This model is intended to be used for BM42 searches. Here's an example of performing inference using the model with FastEmbed.
번역 대기 중 · 원문 표시
Quantized ONNX port of BAAI/bge-base-en-v1.5 for text classification and similarity searches. Here's an example of performing inference using the model with FastEmbed.
번역 대기 중 · 원문 표시
ONNX port of BAAI/bge-large-en-v1.5 for text classification and similarity searches. Here's an example of performing inference using the model with FastEmbed.
번역 대기 중 · 원문 표시
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
Quantized ONNX port of BAAI/bge-small-en-v1.5 for text classification and similarity searches. Here's an example of performing inference using the model with FastEmbed.
번역 대기 중 · 원문 표시
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
Repository with files to perform BM25 searches with FastEmbed. > Note: This model is supposed to be used with Qdrant. Vectors have to be configured with Modifier.IDF.
번역 대기 중 · 원문 표시
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
ONNX port of sentence-transformers/clip-ViT-B-32. This model is intended to be used for image classification and similarity searches. Here's an example of performing inference using the model with FastEmbed.
번역 대기 중 · 원문 표시
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
It creates 4-dimensional embeddings for each word stem, capturing the word's meaning. These meaning embeddings are combined into a bag-of-words (BoW) representation of the input text. The final sparse representation is calculated by weighting each word using the BM25 scoring formula. In the case of a word's absence in the miniCOIL vocabulary, word weight in sparse representation is purely based on the BM25 score. > Note: This model was designed with Qdrant's specifics in mind; miniCOIL sparse vectors in Qdrant have to be configured with Modifier.IDF. Otherwise, you'll have to personally calculate & scale the produced sparse representations by the IDF part of the BM25 formula.
번역 대기 중 · 원문 표시
ONNX port of intfloat/multilingual-e5-large for text classification and similarity searches. Here's an example of performing inference using the model with FastEmbed.
번역 대기 중 · 원문 표시
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
Quantized ONNX port of sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 for text classification and similarity searches. Here's an example of performing inference using the model with FastEmbed.
번역 대기 중 · 원문 표시
This repository contains an ONNX export of `Qwen/Qwen3-Embedding-0.6B`, converted by Qdrant for inference with FastEmbed. It encodes text into 1024-dimensional vectors, supports over 100 languages, and accepts up to 32768 input tokens. Embeddings are produced by taking the hidden state of the last non-padding token and L2-normalizing it, so the similarity score is the dot product of two embeddings. The quantized file stores its weights as 8-bit `MatMulNBits` and therefore requires `onnxruntime>=1.23`. Earlier versions only implement the 4-bit kernel and will fail to load it.
번역 대기 중 · 원문 표시
This model is intended to be used for image classification and similarity searches. You can find the ONNX port implementation here Here's an example of performing inference using the model with FastEmbed.
번역 대기 중 · 원문 표시
ONNX port of prithivida/Splade_PP_en_v1 for text classification and similarity searches. Here's an example of performing inference using the model with FastEmbed.
번역 대기 중 · 원문 표시
제공사, 분류, 입출력 조건을 조정하세요. 새 모델이 계속 등록됩니다.
월간 토큰 사용량으로 예상 API 비용을 비교하세요.
수집된 백만 토큰당 USD 요금입니다. 캐시 할인, 구간 요금, 추가 추론 출력, 세금은 제외됩니다. 최신 요금은 출처에서 확인하세요.
입력, 출력, 캐시 요금을 구분하고 동일 작업량으로 비교하세요. 이미지, 음성, 영상은 개수, 시간, 해상도로 과금될 수 있습니다.
반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 제한, 정책을 확인하세요. 자체 호스팅에는 연산 및 유지 비용도 듭니다.
순위는 작업, 버전, 평가 방식에 따라 다릅니다. 실제 업무로 정확도, 지연, 안정성, 비용을 비교하세요.
