Miscelato $/1 milione tra le versioni tracciate di questa linea.
Tipico mix output-input 3:1, per 1 milione di token
Fonte: litellm
Carichi di lavoro generici per la generazione di testi, chat, riepiloghi e contenuti in cui contano di più l'ampia capacità e il basso costo.
Cohere Embed English v3.0 creates English text embeddings for retrieval, clustering, and semantic search.
embed-english-v3.0 è un modello Testo di Cohere (US). HotON.ai lo tiene traccia di $0.10 per 1 milione di token di input e $0.00 per 1 milione di token di output, con una finestra di contesto del token 1K. Il suo punteggio di efficienza composito è 88/100 con un $0.000 stimato per attività riuscita.
embed-english-v3.0 viene tracciato su $0.10 per 1 milione di token di input e $0.00 per 1 milione di token di output. Un tipico carico di lavoro output-to-input 3:1 si riduce a circa $0.03 per 1 milione di token. Le cifre sono dati dimostrativi illustrativi.
Carichi di lavoro generici per la generazione di testi, chat, riepiloghi e contenuti in cui contano di più l'ampia capacità e il basso costo.
embed-english-v3.0 supporta fino a una finestra di contesto del token 1K, abbastanza grande per documenti lunghi e conversazioni estese in un'unica richiesta.
All'interno dell'insieme tracciato HotON.ai, embed-english-v3.0 è più economico della 78% dei modelli sul prezzo di input e si classifica #310 di 521 in base all'efficienza complessiva.
Sì: gemma-3n-e4b-it è un'opzione a costo inferiore a $0.04 per 1 milione di token di output, pur coprendo casi d'uso Testo simili. Confrontali fianco a fianco su HotON.ai.
Il prezzo è reale (tramite il catalogo TestKey, aggiornato quotidianamente). La qualità (Arena Elo) è reale quando il modello è classificato su LMArena. Velocità, disponibilità ed efficienza sono stime modellate.