Англоязычный энкодер предложений, создающий семантические векторы для поиска, сравнения и кластеризации текстов.
Подходит для: семантический поиск по коротким текстам · поиск похожих предложений и абзацев · кластеризация текстов по смыслу
Англоязычный cross-encoder для оценки релевантности пар «поисковый запрос — текст» и переранжирования результатов поиска.
Подходит для: Переранжирование фрагментов, найденных поисковой системой · Оценка релевантности документов запросу · Сортировка результатов ElasticSearch по соответствию запросу
Компактная англоязычная BERT-модель BGE для создания текстовых эмбеддингов, семантического поиска и сравнения предложений.
Подходит для: семантический поиск по англоязычным документам · поиск релевантных фрагментов для RAG · сравнение смысловой близости предложений
Многоязычная модель BERT преобразует предложения и абзацы в 384-мерные векторы для семантического поиска, сравнения сходства и кластеризации.
Подходит для: семантический поиск по коллекции текстов · поиск перефразированных вопросов и предложений · сравнение смысловой близости текстов
Англоязычный Transformer-энкодер ELECTRA для тонкой настройки на классификацию, ответы на вопросы и разметку последовательностей.
Подходит для: классификация англоязычных текстов · ответы на вопросы по тексту · извлечение ответов из контекста
BGE-M3 — многоязычная модель для семантического, лексического и гибридного поиска по текстам и документам.
Подходит для: семантический поиск по документам · гибридный поиск в RAG с эмбеддингами и лексическими весами · многоязычный и межъязыковой поиск
Компактная модель T5 для перевода и других задач преобразования текста в текст.
Подходит для: перевод текстов между английским, французским, румынским и немецким · суммаризация документов после соответствующей настройки · ответы на вопросы по тексту после соответствующей настройки
Модель Sentence Transformers кодирует предложения и короткие абзацы в векторы для семантического поиска, сравнения текстов и кластеризации.
Подходит для: семантический поиск по коллекции документов · поиск похожих предложений и абзацев · сравнение смысловой близости двух текстов
Многоязычный переранжировщик BAAI, который оценивает релевантность фрагментов запросу, чтобы улучшить порядок результатов поиска.
Подходит для: пересортировка найденных документов по релевантности запросу · улучшение выдачи многоязычного поискового движка · выбор наиболее подходящих фрагментов для ответа RAG-системы
Текстовая модель Nomic AI создаёт компактные векторы для семантического поиска, RAG, кластеризации и классификации.
Подходит для: индексация текстовых документов для RAG · поиск документов по смыслу запроса · группировка текстов по темам
Многоязычная базовая модель XLM-RoBERTa для восстановления замаскированных слов и построения представлений текста для последующих NLP-задач.
Подходит для: предсказание пропущенных слов в многоязычном тексте · получение контекстных представлений предложений для классификатора · дообучение для классификации текста
Gemma 4 26B A4B IT — мультимодальная модель Google DeepMind для диалогов, рассуждений, программирования и анализа изображений с выдачей текста.
Подходит для: ответы на вопросы по изображению · извлечение текста и сведений из документов и PDF · распознавание текста на изображениях, включая многоязычный OCR
Компактная многоязычная модель BERT, создающая текстовые эмбеддинги для семантического поиска, сравнения предложений и межъязыкового подбора текстов.
Подходит для: поиск релевантных документов по запросу на другом языке · ранжирование фрагментов для системы вопросов и ответов · оценка семантического сходства предложений
Англоязычная BERT-модель BAAI для получения текстовых эмбеддингов и семантического поиска по документам.
Подходит для: семантический поиск по англоязычным документам · подбор релевантных фрагментов для RAG · поиск похожих предложений
Многоязычная модель Sentence Transformers, преобразующая предложения и абзацы в векторы для семантического поиска, сравнения и кластеризации.
Подходит для: семантический поиск по многоязычной коллекции документов · поиск похожих предложений и абзацев · кластеризация текстов по смыслу
Инструкционно-настроенная мультимодальная модель Google DeepMind для диалогов, анализа изображений и генерации текста в длинном контексте.
Подходит для: ответы на вопросы по изображению · извлечение текста и сведений из документов и PDF · анализ диаграмм, скриншотов и пользовательских интерфейсов
Англоязычная модель BGE на базе BERT, создающая текстовые эмбеддинги для семантического поиска, сравнения предложений и RAG.
Подходит для: поиск документов по смыслу на английском языке · поиск релевантных фрагментов для RAG-системы · сравнение сходства предложений
Мультимодальная модель Qwen3-VL на 8 млрд параметров для диалога, анализа изображений и видео, OCR и визуального рассуждения.
Подходит для: ответы на вопросы по изображениям · распознавание текста и разбор структуры документов на изображениях · поиск событий и их временных меток в видео
Многоязычная модель Qwen3 для создания текстовых эмбеддингов и семантического поиска, дообученная на базе Qwen3-0.6B-Base.
Подходит для: семантический поиск по документам на разных языках · извлечение релевантных текстов для RAG · поиск похожих фрагментов кода
Мультимодальная модель Qwen на 9 млрд параметров для диалога, анализа изображений, рассуждений, программирования и агентных задач.
Подходит для: ответы на вопросы по изображениям · диалог с вызовом инструментов · анализ и объяснение визуальных материалов
Плотная BERT-модель, обученная без учителя для получения эмбеддингов текста и поиска релевантных документов.
Подходит для: векторный поиск по коллекции документов · поиск документов по естественно-языковому запросу · извлечение релевантных фрагментов для RAG-системы
Мультимодальная модель Qwen на 4 млрд параметров для диалога, понимания изображений, рассуждений и вызова инструментов.
Подходит для: ответы на вопросы по изображениям · описание и анализ визуальных материалов · многошаговый диалог с длинным контекстом
Плотная мультимодальная модель Qwen на 27 млрд параметров для диалогов, анализа изображений и видео, программирования и многошаговых задач.
Подходит для: ответы на вопросы по изображениям и диаграммам · извлечение и анализ информации из документов · понимание содержания видеозаписей
Многоязычная модель на базе XLM-RoBERTa-large, которая создаёт текстовые эмбеддинги для семантического поиска, ранжирования и сравнения текстов.
Подходит для: поиск ответов и фрагментов документов по запросу · многоязычный поиск по корпусу документов · ранжирование passages по релевантности запросу