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

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

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

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

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

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

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

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

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

Многоязычная модель, преобразующая текст в эмбеддинги для семантического поиска, сопоставления предложений и межъязыкового поиска.

Подходит для: семантический поиск по документам · поиск релевантных фрагментов для открытых вопросов · сопоставление смысловой близости предложений

Многоязычная модель Microsoft на базе DeBERTa V3 для предсказания пропущенных токенов и использования в задачах понимания текста.

Подходит для: предсказание пропущенного слова в многоязычном тексте · дообучение классификатора текстов на нескольких языках · перенос классификации с английского на русский и другие языки

Англоязычный cross-encoder MiniLM для оценки релевантности пар «поисковый запрос — отрывок» и переранжирования результатов.

Подходит для: переранжирование отрывков, найденных поисковой системой · сортировка документов по релевантности запросу · оценка релевантности пар «запрос — текст»

Компактная англоязычная модель IBM на базе ModernBERT, которая создаёт векторные представления текста для семантического поиска и сопоставления.

Подходит для: Семантический поиск по англоязычным документам · Извлечение релевантных фрагментов для RAG · Поиск похожих текстов и запросов

Компактная китайскоязычная BERT-модель BGE преобразует текст в эмбеддинги для семантического поиска, классификации и кластеризации.

Подходит для: семантический поиск по китайским документам · поиск фрагментов для RAG по короткому запросу · векторизация текстов для векторной базы данных

Англоязычная encoder-only модель BERT-типа на 149 млн параметров для заполнения пропусков и построения решений понимания текста и поиска.

Подходит для: заполнение пропущенных слов в английском тексте · классификация длинных текстовых документов после дообучения · семантический поиск по большим текстовым корпусам после настройки

Англоязычная модель эмбеддингов на базе BGE, дообученная для семантического сопоставления текстов и рекомендаций курсов.

Подходит для: семантический поиск подходящих курсов по описанию интересов · ранжирование курсов по сходству с запросом пользователя · поиск похожих описаний учебных программ

Кросс-энкодер BAAI для оценки релевантности пар «запрос — документ» и повторного ранжирования результатов поиска в RAG-системах.

Подходит для: переранжирование документов, найденных векторным поиском · сортировка фрагментов базы знаний по релевантности запросу · улучшение выдачи поиска перед передачей контекста LLM

CLIP ViT-B/32 сопоставляет изображения с английскими текстовыми описаниями для классификации без обучения и поиска по содержанию.

Подходит для: классификация изображений по текстовым меткам без дообучения · поиск изображений по английскому запросу · поиск подходящих описаний для изображения

Компактная многоязычная модель Google DeepMind, превращающая текст в эмбеддинги для семантического поиска, сравнения, классификации и кластеризации.

Подходит для: семантический поиск документов по запросу · поиск фрагментов кода по описанию на естественном языке · поиск источников для системы вопросов и ответов