ruri-base
cl-nagoya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。
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗DISCOVER & COMPARE
AI 모델 탐색 15
ruri-base-v2
cl-nagoya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。
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗ruri-large
cl-nagoya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。
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗ruri-large-v2
cl-nagoya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
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗ruri-reranker-base
cl-nagoya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
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗ruri-reranker-large
cl-nagoya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
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗ruri-reranker-small
cl-nagoya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。
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗ruri-small
cl-nagoya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
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗ruri-v3-130m
cl-nagoya**Ruri v3** is a general-purpose Japanese text embedding model built on top of **ModernBERT-Ja**. Ruri v3 offers several key technical advantages: - **State-of-the-art performance** for Japanese text embedding tasks. - **Supports sequence lengths up to 8192 tokens** - Previous versions of Ruri (v1, v2) were limited to 512. - **Expanded vocabulary of 100K tokens**, compared to 32K in v1 and v2 - The larger vocabulary make input sequences shorter, improving efficiency. - **Integrated FlashAttention**, following ModernBERT's architecture - Enables faster inference and fine-tuning. - **Tokenizer based solely on SentencePiece** - Unlike previous versions, which relied on Japanese-specific BERT tokenizers and required pre-tokenized input, Ruri v3 performs tokenization with SentencePiece only—no external word segmentation tool is required. Additionally, if your GPUs support Flash Attention 2, we recommend using our models with Flash Attention 2. - **Model Type:** Sentence Transformer - **Base model:** cl-nagoya/ruri-v3-pt-130m - **Maximum Sequence Length:** 8192 tokens - **Output Dimensionality:** 512 - **Similarity Function:** Cosine Similarity - **Language:** Japanese - **License:** Apache 2.0 - **Paper:** https://arxiv.org/abs/2409.07737
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗ruri-v3-30m
cl-nagoya**Ruri v3** is a general-purpose Japanese text embedding model built on top of **ModernBERT-Ja**. Ruri v3 offers several key technical advantages: - **State-of-the-art performance** for Japanese text embedding tasks. - **Supports sequence lengths up to 8192 tokens** - Previous versions of Ruri (v1, v2) were limited to 512. - **Expanded vocabulary of 100K tokens**, compared to 32K in v1 and v2 - The larger vocabulary make input sequences shorter, improving efficiency. - **Integrated FlashAttention**, following ModernBERT's architecture - Enables faster inference and fine-tuning. - **Tokenizer based solely on SentencePiece** - Unlike previous versions, which relied on Japanese-specific BERT tokenizers and required pre-tokenized input, Ruri v3 performs tokenization with SentencePiece only—no external word segmentation tool is required. Additionally, if your GPUs support Flash Attention 2, we recommend using our models with Flash Attention 2. - **Model Type:** Sentence Transformer - **Base model:** cl-nagoya/ruri-v3-pt-30m - **Maximum Sequence Length:** 8192 tokens - **Output Dimensionality:** 256 - **Similarity Function:** Cosine Similarity - **Language:** Japanese - **License:** Apache 2.0 - **Paper:** https://arxiv.org/abs/2409.07737
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗ruri-v3-310m
cl-nagoya**Ruri v3** is a general-purpose Japanese text embedding model built on top of **ModernBERT-Ja**. Ruri v3 offers several key technical advantages: - **State-of-the-art performance** for Japanese text embedding tasks. - **Supports sequence lengths up to 8192 tokens** - Previous versions of Ruri (v1, v2) were limited to 512. - **Expanded vocabulary of 100K tokens**, compared to 32K in v1 and v2 - The larger vocabulary make input sequences shorter, improving efficiency. - **Integrated FlashAttention**, following ModernBERT's architecture - Enables faster inference and fine-tuning. - **Tokenizer based solely on SentencePiece** - Unlike previous versions, which relied on Japanese-specific BERT tokenizers and required pre-tokenized input, Ruri v3 performs tokenization with SentencePiece only—no external word segmentation tool is required. Additionally, if your GPUs support Flash Attention 2, we recommend using our models with Flash Attention 2. - **Model Type:** Sentence Transformer - **Base model:** cl-nagoya/ruri-v3-pt-310m - **Maximum Sequence Length:** 8192 tokens - **Output Dimensionality:** 768 - **Similarity Function:** Cosine Similarity - **Language:** Japanese - **License:** Apache 2.0 - **Paper:** https://arxiv.org/abs/2409.07737
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗ruri-v3-70m
cl-nagoya**Ruri v3** is a general-purpose Japanese text embedding model built on top of **ModernBERT-Ja**. Ruri v3 offers several key technical advantages: - **State-of-the-art performance** for Japanese text embedding tasks. - **Supports sequence lengths up to 8192 tokens** - Previous versions of Ruri (v1, v2) were limited to 512. - **Expanded vocabulary of 100K tokens**, compared to 32K in v1 and v2 - The larger vocabulary make input sequences shorter, improving efficiency. - **Integrated FlashAttention**, following ModernBERT's architecture - Enables faster inference and fine-tuning. - **Tokenizer based solely on SentencePiece** - Unlike previous versions, which relied on Japanese-specific BERT tokenizers and required pre-tokenized input, Ruri v3 performs tokenization with SentencePiece only—no external word segmentation tool is required. Additionally, if your GPUs support Flash Attention 2, we recommend using our models with Flash Attention 2. - **Model Type:** Sentence Transformer - **Base model:** cl-nagoya/ruri-v3-pt-70m - **Maximum Sequence Length:** 8192 tokens - **Output Dimensionality:** 384 - **Similarity Function:** Cosine Similarity - **Language:** Japanese - **License:** Apache 2.0 - **Paper:** https://arxiv.org/abs/2409.07737
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗ruri-v3-reranker-310m
cl-nagoya**Ruri-v3 Reranker** is a general-purpose Japanese reranker model built on top of **ModernBERT-Ja**. Ruri v3 offers several key technical advantages: - **State-of-the-art performance** with good robustness for vaious domains - **Supports sequence lengths up to 8192 tokens** - **Expanded vocabulary of 100K tokens**, compared to 32K in v1 and v2 - **Integrated FlashAttention**, following ModernBERT's architecture - **Tokenizer based solely on SentencePiece** Additionally, if your GPUs support Flash Attention 2, we recommend using our models with Flash Attention 2. - **Model Type:** Sentence Transformer - **Base model:** cl-nagoya/ruri-v3-pt-310m - **Maximum Sequence Length:** 8192 tokens - **Language:** Japanese - **License:** Apache 2.0 - **Paper:** https://arxiv.org/abs/2409.07737
번역 대기 중 · 원문 표시
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗sup-simcse-ja-base
cl-nagoya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。
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗sup-simcse-ja-large
cl-nagoya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
입력 텍스트→ 출력 임베딩
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗일치하는 모델 없음
제공사, 분류, 입출력 조건을 조정하세요. 새 모델이 계속 등록됩니다.
COST EXPLORER
좋은 모델, 명확한 비용.
월간 토큰 사용량으로 예상 API 비용을 비교하세요.
1 M = 100만 토큰 · USD
동일 채널의 기본 텍스트 토큰 요금 비교
동일 채널의 기본 텍스트 토큰 요금 비교
수집된 백만 토큰당 USD 요금입니다. 캐시 할인, 구간 요금, 추가 추론 출력, 세금은 제외됩니다. 최신 요금은 출처에서 확인하세요.
MODEL HANDBOOK
이해하고 선택하세요
API 요금은 어떻게 비교하나요?+
입력, 출력, 캐시 요금을 구분하고 동일 작업량으로 비교하세요. 이미지, 음성, 영상은 개수, 시간, 해상도로 과금될 수 있습니다.
오픈 웨이트는 무료 상업 이용을 뜻하나요?+
반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 제한, 정책을 확인하세요. 자체 호스팅에는 연산 및 유지 비용도 듭니다.
1위 모델이 나에게 가장 적합한가요?+
순위는 작업, 버전, 평가 방식에 따라 다릅니다. 실제 업무로 정확도, 지연, 안정성, 비용을 비교하세요.