擊敗OpenAI，權重、數據、代碼全開源，能完美復現的嵌入模型Nomic Embed來了

AIGC動態歡迎閱讀

原標題：擊敗OpenAI，權重、數據、代碼全開源，能完美復現的嵌入模型Nomic Embed來了
關鍵字：模型,基準,上下文,序列,長度
文章來源：機器之心
內容字數：4903字

內容摘要：

機器之心報道
編輯：陳萍、小舟模型參數量只有 137M，5 天就能訓練好。一周前，OpenAI 給廣大用戶發放福利，在下場修復 GPT-4 變懶的問題后，還順道上新了 5 個新模型，其中就包括更小且高效的 text-embedding-3-small 嵌入模型。
我們知道，嵌入是表示自然語言或代碼等內容中概念的數字序列。嵌入使得機器學習模型和其他算法更容易理解內容之間的關聯，也更容易執行聚類或檢索等任務。可見，嵌入在 NLP 領域是非常重要的。
不過，OpenAI 的嵌入模型并不是免費給大家使用的，比如 text-embedding-3-small 的收費價格是每 1k tokens 0.00002 美元。
現在，比 text-embedding-3-small 更好的嵌入模型來了，并且還不收費。
AI 初創公司 Nomic AI 宣布推出 Nomic Embed，這是首個開源、開放數據、開放權重、開放訓練代碼、完全可復現和可審核的嵌入模型，上下文長度為 8192，在短上下文和長上下文基準測試中擊敗 OpenAI text-embeding-3-small 和 text-embeddi

原文鏈接：擊敗OpenAI，權重、數據、代碼全開源，能完美復現的嵌入模型Nomic Embed來了

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺