暂无描述

Nomic Embed Text v1是一款开源、完全可审计的文本嵌入模型，具备8192 token的上下文窗口，在多种嵌入基准测试中表现优于OpenAI Ada-002等模型，提供开放权重、训练代码和数据，适用于长上下文场景的语义搜索、聚类及可审计嵌入管道。

mxbai-embed-large-v1是Mixedbread AI开发的顶级英文嵌入模型，能将文本转换为语义向量，适用于RAG、语义搜索、文本相似性分析及文本分类等NLP任务。

Qwen3 Embedding是Qwen系列最新专有模型，专为文本嵌入和排序任务设计，支持119种语言，提供0.6B、4B、8B等多种尺寸模型，适用于文本检索、代码检索、分类、聚类、平行文本挖掘等高级任务。

Qwen3 Embedding是Qwen系列最新专有模型，专为文本嵌入和排序任务设计，提供0.6B、4B和8B多种尺寸，具备出色的多语言能力、长文本理解和推理技能，适用于文本检索、代码检索、分类、聚类等任务。

暂无描述

用于提供ManageIQ嵌入式Ansible服务的容器。

暂无描述

暂无描述

Embedding Gemma是Google DeepMind推出的最先进文本嵌入模型，能将文本转换为捕获语义含义的密集向量嵌入，适用于检索增强生成(RAG)、语义搜索和相似性任务。

基于CLIP的多模态嵌入服务微服务，通过OpenAI兼容API提供视频、图像和文本的高维语义嵌入，支持跨模态检索、视觉搜索和内容推荐，优化性能与可扩展性，适用于云及边缘环境部署。

Embedding Gemma是Google DeepMind推出的最先进文本嵌入模型，基于Gemma架构创建高质量文本向量表示，能捕捉语义含义，适用于检索增强生成（RAG）、语义搜索及相似性任务，为嵌入类应用提供强大基础。

Granite Embedding Multilingual是IBM开发的2.78亿参数编码器式XLM-RoBERTa风格密集双编码器模型，可生成768维高质量多语言文本嵌入，优化用于12种主要语言的语义相似性、检索和搜索任务，遵循Apache 2.0许可。

Intel优化的轻量级文本嵌入容器，基于UAE-Large-v1蒸馏，使用sentence-transformers和Intel Extension for Pytorch，适用于NLP任务，23M参数，输入序列长度512，输出嵌入大小512，MTEB检索和STS任务准确率分别为46%和82%。

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

Qwen3 Embedding是Qwen系列最新专有模型，专为文本嵌入和排序任务设计，支持119种语言，提供0.6B、4B、8B等多种尺寸模型，适用于文本检索、代码检索、分类、聚类、平行文本挖掘等高级任务。

Qwen3 Embedding是Qwen系列最新专有模型，专为文本嵌入和排序任务设计，提供0.6B、4B和8B多种尺寸，具备出色的多语言能力、长文本理解和推理技能，适用于文本检索、代码检索、分类、聚类等任务。

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

embed镜像暂无详细描述信息，无法提供准确的核心功能和用途说明。

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

OPEA mosec嵌入微服务，用于生成式AI应用，可高效将文本字符串转换为向量嵌入，支持多种后端实现，适用于自然语言处理、信息检索等场景。

用于为嵌入式系统构建包含特定Firefox ESR版本的固件，支持ek874、hihope-rzg2m等目标板及不同BSP版本，提供标准化构建流程和环境一致性。

暂无描述

mxbai-embed-large-v1是Mixedbread AI开发的顶级英文嵌入模型，能将文本转换为语义向量，适用于RAG、语义搜索、文本相似性分析及文本分类等NLP任务。

Qwen3 Embedding是Qwen系列最新专有模型，专为文本嵌入和排序任务设计，支持119种语言，提供0.6B、4B、8B等多种尺寸模型，适用于文本检索、代码检索、分类、聚类、平行文本挖掘等高级任务。