Intfloat: Multilingual-E5-Large

Intfloat: Multilingual-E5-Large est un modèle d’embedding dense publié par Intfloat sous licence MIT le 18 novembre 2025. Il compte 560 millions de paramètres, tous actifs, produit des vecteurs de 1024 dimensions et accepte jusqu’à 8 192 tokens en entrée, un format adapté à des passages longs ou à des documents segmentés.

Son rôle est de convertir du texte en représentations numériques pour comparer des contenus, retrouver des passages proches, alimenter un pipeline RAG ou regrouper des documents par similarité. Son positionnement est multilingue, avec des évaluations MTEB couvrant notamment l’Europe, l’espagnol, le farsi, le chinois, le médical et le domaine chimique.

Caractéristiques

Performances (benchmarks)

Scores issus de MTEB (Massive Text Embedding Benchmark), suite d'évaluation indépendante. Le rang situe le modèle parmi les modèles d'embedding évalués sur le même track.

Comment se situe-t-il ?

Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 78 % en dessous de la moyenne des modèles d'embedding similaires, et au niveau des modèles frontières (Qwen3 Embedding 8B).

Notre analyse

Forces. Les résultats MTEB les plus favorables situent Intfloat: Multilingual-E5-Large sur les usages multilingues européens et sur la recherche d’information médicale, deux contextes où les embeddings servent à rapprocher requêtes, documents et passages spécialisés. Les évaluations en espagnol et en farsi indiquent aussi une couverture utile pour la classification, le clustering et la comparaison de paires de textes, sans se limiter à l’anglais. La fenêtre de 8 192 tokens facilite l’encodage de contenus relativement longs avant indexation, tandis que la licence MIT ouvre la voie à des déploiements contrôlés. Le tarif d’entrée annoncé, 0,01 $ par million de tokens avec sortie gratuite, est indiqué comme inférieur à la moyenne de modèles d’embedding similaires.

Limites et points d'attention. Le rang MTEB en chinois est nettement moins favorable, ce qui invite à valider la qualité sur des corpus sinophones avant un déploiement critique. Le domaine chimique affiche aussi un classement faible malgré un score absolu élevé, signe d’une concurrence spécialisée plus solide. Les vecteurs de 1024 dimensions offrent une représentation riche, mais augmentent la taille des index et le coût de recherche par rapport à des embeddings plus compacts. Les usages pertinents concernent surtout la recherche sémantique multilingue européenne, le RAG documentaire, le clustering de corpus et la recherche médicale assistée par embeddings.

Sources des données : OpenRouter (openrouter.ai) · MTEB — Massive Text Embedding Benchmark.