AI

AI_EMBED_TEXT_768

SnowflakeSnowflake

Menghasilkan vector embedding 768 dimensi dari teks untuk semantic search.

Tipe hasil: VECTOR(FLOAT, 768)Diperbarui: 6 Jan 2026

Syntax

SQL
SNOWFLAKE.CORTEX.EMBED_TEXT_768(model, text)

Parameter

modelVARCHARwajib

Model embedding: 'e5-base-v2', 'snowflake-arctic-embed-m'

textVARCHARwajib

Teks untuk di-embed

Contoh Penggunaan

Create Embeddings

SQL
1SELECT
2  document_id,
3  SNOWFLAKE.CORTEX.EMBED_TEXT_768('e5-base-v2', document_text) as embedding
4FROM documents;

Generate embeddings untuk semantic search.

Semantic Search

SQL
1WITH query_embedding AS (
2  SELECT SNOWFLAKE.CORTEX.EMBED_TEXT_768('e5-base-v2', 'machine learning tutorial') as vec
3)
4SELECT
5  d.title,
6  VECTOR_COSINE_SIMILARITY(d.embedding, q.vec) as similarity
7FROM documents d, query_embedding q
8ORDER BY similarity DESC
9LIMIT 10;

Semantic search menggunakan embeddings.

Pertanyaan Umum tentang AI_EMBED_TEXT_768

Apa itu fungsi AI_EMBED_TEXT_768 di Snowflake?
Menghasilkan vector embedding 768 dimensi dari teks untuk semantic search. Di Snowflake, fungsi AI_EMBED_TEXT_768 termasuk dalam kelompok fungsi yang sering digunakan untuk mengolah dan menganalisis data secara efisien.
Bagaimana cara menggunakan AI_EMBED_TEXT_768 di Snowflake?
Gunakan sintaks berikut: SNOWFLAKE.CORTEX.EMBED_TEXT_768(model, text). Pastikan argumen yang dimasukkan sudah sesuai dengan tipe data yang diharapkan.
Apa nilai yang dikembalikan oleh fungsi AI_EMBED_TEXT_768?
Fungsi AI_EMBED_TEXT_768 mengembalikan nilai bertipe VECTOR(FLOAT, 768). Pastikan tipe data hasil sudah sesuai dengan kebutuhan query atau formula kamu. Jika input mengandung nilai NULL, perilaku fungsi dapat berbeda — selalu periksa dokumentasi untuk memastikan hasilnya sesuai ekspektasi.
Apa saja parameter fungsi AI_EMBED_TEXT_768?
Fungsi ini memiliki 2 parameter wajib. Parameter yang digunakan: model (VARCHAR, wajib): Model embedding: 'e5-base-v2', 'snowflake-arctic-embed-m'; text (VARCHAR, wajib): Teks untuk di-embed.
Kembali ke Snowflake Functions