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 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

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

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

Модель BERT от OpenSearch кодирует запросы и документы в разреженные векторы для поиска и ранжирования в OpenSearch.

Подходит для: семантический поиск по коллекции документов · поиск релевантных пассажей по запросу · построение разреженных представлений запросов для Lucene

Разреженный BERT-энкодер OpenSearch для поиска документов по текстовым запросам с низкими вычислительными затратами на этапе retrieval.

Подходит для: поиск документов в индексе OpenSearch по текстовому запросу · семантический поиск по коллекции документов · построение разреженных векторов документов для Lucene

Англо-китайский cross-encoder для оценки релевантности и переранжирования найденных документов по запросу.

Подходит для: переранжирование результатов семантического поиска · выбор наиболее релевантных документов для RAG · сортировка кандидатов поиска по соответствию запросу

Производная модели opensearch-project/opensearch-neural-sparse-encoding-doc-v2-mini. 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

Мультиязычный кросс-энкодер Jina AI оценивает релевантность документов запросу и помогает улучшить порядок результатов поиска.

Подходит для: переранжирование документов в мультиязычной поисковой выдаче · повышение релевантности результатов в RAG-системе · поиск фрагментов кода по текстовому запросу

Классификатор BERT для оценки релевантности предложений запросу и семантической подсветки результатов поиска в OpenSearch.

Подходит для: выделение релевантных предложений в найденном документе · семантическая подсветка результатов поиска OpenSearch · оценка релевантности предложений запросу

Реранкер ZeroEntropy на базе Qwen3-4B оценивает релевантность документов запросу и улучшает порядок результатов поиска.

Подходит для: повторное ранжирование документов в поисковой системе · сортировка кандидатов, найденных системой RAG · улучшение выдачи по запросам на естественном языке

Многоязычный реранкер на базе Qwen3, который оценивает релевантность текстовых кандидатов запросу для улучшения поиска и RAG.

Подходит для: переупорядочивание документов по релевантности запросу · повышение качества поиска по внутренней базе знаний · отбор контекстных фрагментов для RAG-системы

Мультиязычный реранкер GTE для сортировки документов и фрагментов по релевантности запросу в поиске и RAG.

Подходит для: переранжирование результатов мультиязычного поиска · сортировка фрагментов документов для RAG · выбор наиболее релевантных ответов из набора кандидатов

Компактный англоязычный реранкер Jina AI на базе JinaBERT, который быстро оценивает релевантность документов запросу и сортирует результаты поиска.

Подходит для: переранжирование результатов поисковой выдачи · оценка релевантности документов запросу · отбор контекста для RAG-систем

Tongyi-DeepResearch — англоязычная модель Tongyi Lab для многошагового агентного поиска и глубокого исследования информации.

Подходит для: многошаговый поиск ответов по веб-источникам · подготовка исследовательских ответов с использованием браузерного агента · решение сложных задач, требующих последовательного сбора информации

Мультиязычный реранкер Mixedbread AI на базе Qwen2, который оценивает релевантность результатов поиска, в том числе для RAG и поиска по коду.

Подходит для: переранжирование документов по запросу в поисковом сервисе · повышение релевантности контекста для RAG · мультиязычный поиск по коллекции документов

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 дообученная модель Qwen3 для получения текстовых эмбеддингов и поиска релевантных навыков или инструментов в каталогах LLM-агентов.

Подходит для: поиск навыков по описанию задачи пользователя · подбор инструментов для LLM-агента из большого каталога · поиск плагинов по их описанию и содержимому

Мультимодальная модель Alibaba Cloud OpenSearch-AI для создания общих эмбеддингов текста, изображений, видео и визуальных документов с целью межмодального поиска.

Подходит для: поиск изображений по текстовому запросу · поиск текста и изображений в общем векторном индексе · поиск по содержимому страниц и визуальных документов

Модель Qwen3 на 7,6 млрд параметров оценивает релевантность документов запросу и переранжирует результаты поиска для RAG и поисковых систем.

Подходит для: переранжирование документов по поисковому запросу · улучшение выдачи поиска на втором этапе ранжирования · отбор наиболее релевантных фрагментов для RAG

Дообученная на базе QwQ-32B модель для автономного веб-поиска, агентных действий и рассуждений по найденной информации.

Подходит для: автономный поиск информации в интернете · ответы на сложные вопросы с опорой на веб-источники · проведение многошагового Deep Research

Дообученная текстовая Sentence Transformers-модель для преобразования запросов и документов в эмбеддинги и семантического поиска по данным ERP.

Подходит для: поиск полей базы данных по вопросу на естественном языке · подбор описаний ERP-таблиц к запросу пользователя · семантический поиск по документации производственных процессов