intfloat

Intfloat: Multilingual-E5-Large

intfloat/multilingual-e5-large

Nossa análise

Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.

intfloat/multilingual-e5-large é um modelo multilíngue de embeddings de texto que, segundo o catálogo da OpenRouter, converte frases, parágrafos e documentos em mais de 90 idiomas em um espaço vetorial denso de 1024 dimensões, com limite de contexto de 512 tokens. A documentação do modelo reporta avaliações MTEB cobrindo classificação, recuperação, agrupamento, reordenação, similaridade semântica e mineração de bitextos, com resultados medidos fortes em mineração multilíngue e resultados mais mistos em alguns testes de classificação e recuperação.[1][2]

Pontos fortes

O catálogo reporta cobertura de mais de 90 idiomas e embeddings de 1024 dimensões voltados à recuperação multilíngue e à similaridade entre idiomas.[1]
Os resultados MTEB documentados mostram acurácia quase máxima na mineração de bitextos BUCC para pares de alemão, francês, russo e chinês com inglês, além de pontuações sólidas de recuperação em FEVER e ArguAna.[2]
A ficha do modelo o marca para fluxos de trabalho com sentence-transformers, similaridade de frases e extração de características, indicando um ecossistema de ferramentas estabelecido.[2]

Limitações

A entrada é limitada a um contexto de 512 tokens, de modo que documentos longos exigem truncamento ou fragmentação.[1]
Os resultados medidos são desiguais: a ficha reporta pontuações comparativamente baixas em classificação multiclasse de avaliações da Amazon, classificação de emoções e recuperação no ClimateFEVER.[2]
A evidência disponível se limita a uma entrada de catálogo e listagens de benchmarks publicadas; a qualidade em uma carga de trabalho ou domínio específico deve ser validada antes da adoção.[1][2]

Onde usar

Busca semântica multilíngue e recuperação entre idiomas, alinhada à otimização declarada no catálogo e aos fortes resultados medidos em mineração de bitextos.[1][2]
Pipelines de similaridade de frases e extração de características baseados em ferramentas de sentence-transformers.[2]
Agrupamento ou reordenação de textos de tamanho curto a médio que caibam na janela de contexto de 512 tokens.[1][2]

Fontes

[1] OpenRouter catalog · Intfloat: Multilingual-E5-LargeFontes consultadas: 13 de nov. de 2026
[2] Model documentation · Intfloat: Multilingual-E5-LargeFontes consultadas: 13 de nov. de 2026

Sobre este modelo

A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.

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...

Especificações

ID do modelo: intfloat/multilingual-e5-large
ID canônico: intfloat/multilingual-e5-large-20251117
Criador: intfloat
Adicionado ao OpenRouter: 18.11.2025
Comprimento de contexto: 512
Modalidade: text->embeddings
Modalidades de entrada: text
Modalidades de saída: embeddings
Preço por token: USD por 1M de tokens: entrada $0.010 / saída $0
Corte de conhecimento: —
Data de expiração: —

Tarefas e capacidades

Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.

Tarefa	Nota	Capacidade declarada pela fonte
Qualidade geral	Sem medição	—
Programação	Sem medição	—
Agentes	Sem medição	—
Escrita	Sem medição	—
Raciocínio	Sem medição	—
Análise de documentos	Sem medição	—
Visão	Sem medição	—
Geração de imagens	Sem medição	—
Áudio	Sem medição	—
Vídeo	Sem medição	—
Embeddings	Sem medição	saída: embeddings

Avaliações

Não há avaliações fornecidas para este modelo.

Como funcionam as notas

Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.

S — S — top 10% da coorte
A — A — próximos 20% da coorte
B — B — próximos 30% da coorte
C — C — abaixo da faixa B

Provedores

Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.

Provedor	Comprimento de contexto	Preço entrada /1M	Preço saída /1M	Latência p50 (30m, s)	Taxa p50 (30m, tok/s)	Disponibilidade (30m)
DeepInfrafp32	512	$0.010	$0	—	—	100%

Dados de provedores obtidos: 13.11.2026

Nenhum artigo publicado identifica este modelo ainda.