Квантованный ONNX-порт англоязычной BERT-модели для эмбеддингов, поиска похожих предложений и классификации текста.

Подходит для: семантический поиск по англоязычным документам · поиск похожих предложений · сравнение текстовых запросов и документов

Квантизированная ONNX-версия многоязычной MiniLM для эмбеддингов предложений и поиска семантического сходства.

Подходит для: поиск похожих предложений на нескольких языках · семантический поиск по коллекции текстов · поиск дубликатов и перефразировок

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

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

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

Текстовая модель Snowflake для создания эмбеддингов запросов и документов и семантического поиска по ним.

Подходит для: семантический поиск по документам · поиск релевантных фрагментов для RAG · сопоставление поискового запроса с документами

Мультиязычная модель Jina AI преобразует текст в эмбеддинги для поиска, кластеризации, классификации и сопоставления текстов.

Подходит для: векторизация поисковых запросов и документов · семантический поиск по многоязычной коллекции · поиск похожих текстов и оценка их сходства

Компактная модель Snowflake для создания текстовых эмбеддингов и семантического поиска по документам.

Подходит для: семантический поиск по базе документов · подбор релевантных фрагментов для RAG · поиск ответов во внутренней документации

Мультиязычная модель Voyage AI для создания компактных текстовых эмбеддингов и семантического поиска по документам.

Подходит для: семантический поиск по коллекции документов · поиск релевантных фрагментов для RAG · сопоставление запросов и документов по смыслу

Разреженная модель OpenSearch кодирует документы и запросы в векторы для эффективного поиска по текстовой коллекции.

Подходит для: поиск документов по запросу в OpenSearch · поиск по коллекции научных статей · семантический поиск по базе знаний

Компактная англоязычная BERT-модель MongoDB Research создаёт эмбеддинги для поиска и ранжирования документов, включая поиск в RAG-системах.

Подходит для: поиск документов по текстовому запросу · поиск фрагментов для RAG-системы · ранжирование документов по релевантности запросу

Компактная BERT-модель OpenSearch кодирует документы в разреженные векторы для эффективного поиска по тексту.

Подходит для: семантический поиск документов в OpenSearch · поиск passages по текстовым запросам · индексация документов разреженными векторами

Компактная многоязычная модель IBM на базе ModernBERT, создающая текстовые эмбеддинги для семантического поиска и сопоставления документов, запросов и кода.

Подходит для: семантический поиск документов на разных языках · поиск подходящих фрагментов для RAG · сопоставление запросов с пассажами и страницами

Компактная англоязычная BERT-модель MongoDB Research создаёт текстовые эмбеддинги для классификации, кластеризации и оценки сходства предложений.

Подходит для: классификация текстов по эмбеддингам · кластеризация похожих предложений и документов · поиск семантически похожих предложений

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

Англоязычная модель IBM на базе RoBERTa, которая создаёт 768-мерные эмбеддинги текста для семантического поиска, извлечения и сравнения.

Подходит для: семантический поиск по англоязычным документам · поиск релевантных фрагментов для RAG · ранжирование документов по сходству с запросом

Разреженный энкодер OpenSearch на базе DistilBERT для семантического поиска документов и извлечения релевантных фрагментов.

Подходит для: поиск релевантных документов в корпусе · поиск ответов и фрагментов для системы вопросов и ответов · семантический поиск в OpenSearch с обратным индексом Lucene

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

Подходит для: семантический поиск по документам · поиск фрагментов кода по текстовому запросу · поиск документов для системы вопросов и ответов

Дообученная на парах SQL-запросов MPNet-модель строит векторы для поиска и сравнения запросов по смыслу.

Подходит для: поиск похожих SQL-запросов в коллекции · ранжирование запросов по семантическому сходству · поиск перефразировок SQL-запроса

Многоязычная разреженная BERT-модель OpenSearch для кодирования документов и запросов в поиске по текстам.

Подходит для: семантический поиск документов в OpenSearch · поиск по пассажам в многоязычных коллекциях · расширение документов для повышения полноты поиска

Разреженный энкодер на базе DistilBERT для представления запросов и документов и поиска по текстовым коллекциям в OpenSearch.

Подходит для: поиск релевантных документов по запросу · семантический поиск по базе знаний в OpenSearch · индексация коллекции документов разреженными векторами

Модель OpenSearch кодирует документы и запросы в разреженные векторы для эффективного поиска релевантных документов.

Подходит для: Поиск документов по короткому текстовому запросу · Извлечение релевантных фрагментов из корпуса знаний · Настройка разреженного поиска в OpenSearch

Мультиязычная модель NVIDIA для создания текстовых эмбеддингов, семантического поиска и извлечения документов в RAG-системах.

Подходит для: семантический поиск по коллекции документов · поиск документов на другом языке по запросу · подбор контекстных фрагментов для RAG

Энкодер запросов DRAGON+ преобразует текстовые запросы в векторы для поиска релевантных документов.

Подходит для: Построение векторного поиска по коллекции документов · Получение эмбеддингов поисковых запросов для двухэнкодерного ретривера · Поиск релевантных фрагментов для RAG-системы