Мультиязычная модель KaLM-Embedding-V2.5 преобразует тексты в векторы для семантического поиска, ранжирования и других задач сопоставления текстов.
Подходит для: поиск документов по текстовому запросу · переранжирование результатов поиска · кластеризация похожих текстов
Дообученная на примерах JevEmbed мультиязычная модель эмбеддингов для выбора и оценки текстовых кандидатов по их смысловому соответствию.
Подходит для: выбор наиболее подходящего действия из текстовых кандидатов · оценка соответствия кандидата критериям по шкале · бинарная проверка условия или исхода по паре текстов
Мультиязычная модель на базе Qwen2 для создания текстовых эмбеддингов и поиска семантически близких текстов.
Подходит для: семантический поиск по документам · поиск релевантных фрагментов для RAG · сопоставление запросов и текстовых фрагментов
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
Мультиязычная модель Qwen3 на 7,6 млрд параметров для создания текстовых эмбеддингов и семантического поиска, включая поиск по коду и межъязыковой поиск.
Подходит для: семантический поиск по коллекции документов · поиск релевантных фрагментов для RAG · поиск похожего кода
Компактная мультиязычная модель Jina AI создаёт текстовые эмбеддинги для поиска, сравнения, кластеризации и классификации.
Подходит для: семантический поиск по документам · поиск релевантных документов по запросу · сравнение смысловой близости текстов
Малайскоязычная модель на базе Llama 2 для извлечения признаков и построения текстовых эмбеддингов.
Подходит для: получение эмбеддингов малайскоязычных документов · семантический поиск по текстовой коллекции · поиск похожих текстов
Мультиязычная модель на базе Qwen2 для создания текстовых эмбеддингов и поиска семантически похожих фраз.
Подходит для: семантический поиск по многоязычной коллекции документов · поиск похожих предложений и запросов · ранжирование текстов по смысловой близости
Компактная трёхслойная модель MiniLM для извлечения векторных представлений текста.
Подходит для: получение эмбеддингов текстов · подготовка признаков для семантического поиска · представление текста для последующей классификации
Модель Tencent для получения текстовых эмбеддингов, семантического поиска, сравнения предложений, классификации и кластеризации.
Подходит для: поиск документов по смыслу пользовательского запроса · сравнение семантической близости предложений · ранжирование документов по релевантности запросу
Модель Unsloth на архитектуре Llama для извлечения признаков из текста.
Подходит для: получение векторных представлений текста · подготовка признаков для последующей обработки текста · извлечение признаков через Transformers
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 Model2Vec-модель создаёт 768-мерные текстовые эмбеддинги для семантического поиска и сравнения предложений.
Подходит для: семантический поиск по коллекции документов · поиск релевантных фрагментов для RAG · сравнение сходства предложений
Компактная шестислойная модель MiniLM извлекает контекстные признаки из текста для NLP-задач.
Подходит для: извлечение признаков из текстовых последовательностей · получение контекстных представлений для поиска · подготовка текстовых признаков для классификации
Англоязычная BERT-модель BAAI преобразует текст в эмбеддинги для семантического поиска, извлечения документов и других задач retrieval augmentation.
Подходит для: поиск документов по короткому запросу · семантический поиск в базе знаний · извлечение релевантных фрагментов для RAG
8-битная MLX-модель семейства Qwen3 для получения текстовых эмбеддингов и семантического поиска.
Подходит для: создание эмбеддингов запросов и документов · семантический поиск по коллекции текстов · поиск похожих предложений и документов
Многоязычная символьная модель Google для извлечения признаков и последующей настройки на задачи понимания текста.
Подходит для: извлечение признаков из многоязычных текстов · подготовка представлений для классификации предложений · подготовка признаков для разметки токенов
Модель Unsloth AI семейства Llama для извлечения признаков и получения представлений текста.
Подходит для: получение признаковых представлений текста · извлечение векторов для поиска по сходству · подготовка текстовых признаков для downstream-моделей
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
Модель XLM-RoBERTa создаёт семантические эмбеддинги английских и немецких предложений для поиска сходных текстов как внутри одного языка, так и между языками.
Подходит для: семантический поиск по англо-немецкому корпусу · поиск немецких документов по запросу на английском языке · сравнение семантического сходства 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
Малайскоязычная embedding-модель mesolitica на базе Llama 2 для преобразования текста в векторные представления.
Подходит для: построение эмбеддингов малайскоязычных текстов · семантический поиск по малайским документам · сравнение сходства малайскоязычных предложений
Многоязычная модель на базе Qwen2-0.5B для создания эмбеддингов и оценки семантического сходства текстов.
Подходит для: семантический поиск по коллекции документов · сравнение сходства двух предложений · поиск похожих текстов и фрагментов