Aller au contenu
Alpha
  • Modèles
  • Classements
  • Ori
Contacter l’équipe commerciale

Pied de page

OpenRouterOpenRouter
© 2026 OpenRouter, Inc

Produit

  • Chat
  • Classements
  • Évaluations comparatives
  • Applications
  • Découvrir
  • Modèles
  • Ori
  • Collections
  • Fournisseurs
  • Outils
  • Tarifs
  • Business
  • Enterprise
  • Laboratoire

Entreprise

  • À propos
  • Blog
  • Clients
  • Carrières
    Recrutement
  • Confidentialité
  • Conditions d’utilisation
  • Centre de confiance
  • Assistance
  • Compatible avec OR
  • Données
  • Marque

Développeur

  • Documentation
  • Référence de l’API
  • Plateforme pour développeurs
  • Statut
  • Plan du site pour l’IA

Connecter

  • Discord
  • GitHub
  • LinkedIn
  • X
  • YouTube
Favicon de intfloat

Intfloat: E5-Base-v2

intfloat/e5-base-v2

Poids du modèle

The e5-base-v2 embedding model encodes English sentences and paragraphs into a 768-dimensional dense vector space, producing efficient and high-quality semantic embeddings optimized for tasks such as semantic search, similarity scoring, retrieval and clustering.

Modalités
Prix
0,005 $US/M tokens
Contexte
512
Publié
18 nov. 2025
FournisseursTarificationPerformancesDisponibilitéApplicationsActivitéFAQExplorer

Fournisseurs

Ce modèle est hébergé par un seul fournisseur. OpenRouter lui transmet directement chaque requête — aucune décision de routage à prendre.

Tarification

Le prix moyen que les clients paient réellement pour ce modèle, à côté des prix affichés par les fournisseurs. Grâce à la mise en cache et aux remises, le prix réellement payé est souvent bien inférieur au prix affiché.

Performances

Le débit est la vitesse à laquelle le modèle écrit (jetons par seconde — plus il est élevé, mieux c’est). La latence est le temps total d’aller-retour (plus il est faible, mieux c’est). Le TTFT est le délai avant le premier jeton — le temps avant de voir quelque chose apparaître (plus il est faible, mieux c’est).

Disponibilité

La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.

Applications

Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.

Activité

Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.

API

Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.

Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional

Explorer d’autres modèles

Modèles de plongement vectoriel de texteCollectionClassements des modèles de plongementClassement
Latence
0,005 $US24,41s
44,49 %
Latence
24,41s

P50, meilleur fournisseur

Disponibilité (3 j)Le modèle était joignable. Requête acheminée vers un fournisseur.
100,00 %
Disponibilité (3 j)Le modèle a renvoyé un résultat d’inférence, quel que soit le fournisseur. Les erreurs et les réponses vides sont comptabilisées à son détriment.
46,01 %

Disponibilité au cours des 3 derniers jours

72 dernières heures
Disponibilité 46,01 %
Il y a 3 joursIl y a 2 joursHierMaintenant

Disponibilité au cours des dernières 24 heures

OpenRouter Availability
45,38 %

Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.

1.
Favicon de https://chatffb.com/
ChatFFB
nouveau
10,1Mjetons
2.
Favicon de https://orbita.surf/
Orbita embedding benchmark
nouveau
1,84Mjetons
3.
Favicon de https://sillytavern.app/
SillyTavern
SillyTavern is the LLM frontend for power users, a chat interface that connects to any model and gives deep control through character creation, roleplay, and prompt customization.
415Kjetons
4.
Favicon de https://ddp.closeli.work/
DDP LLM Gateway
nouveau
374Kjetons
5.
Favicon de https://os1.local/
OS1 Real Business Brief
nouveau
360Kjetons

Questions fréquentes

The e5-base-v2 embedding model encodes English sentences and paragraphs into a 768-dimensional dense vector space, producing efficient and high-quality semantic embeddings optimized for tasks such as semantic search, similarity scoring, retrieval and clustering.

E5-Base-v2 coûte 0,005 $US/M tokens.

E5-Base-v2 accepte jusqu’à 512 jetons par entrée. Les textes plus longs doivent être répartis sur plusieurs entrées.

E5-Base-v2 accepte texte en entrée et renvoie vecteurs de plongement.

E5-Large-v2 et Multilingual-E5-Large sont d’autres modèles de type plongement vectoriel de Intfloat.

E5-Base-v2 est sorti le 18 novembre 2025.

Autres modèles de intfloat

E5-Large-v2

The e5-large-v2 embedding model maps English sentences, paragraphs, and documents into a 1024-dimensional dense vector space, delivering high-accuracy semantic embeddings optimized for retrieval, semantic search, reranking, and similarity-scoring tasks.

Plongements vectoriels0,01 $US/M tokens
Multilingual-E5-Large

The multilingual-e5-large embedding model encodes sentences, paragraphs, and documents across over 90 languages into a 1024-dimensional dense vector space, delivering robust semantic embeddings optimized for multilingual retrieval, cross-language similarity, and large-scale data search.

Plongements vectoriels0,01 $US/M tokens