Модель Smartcat для получения эмбеддингов сербского текста и поиска релевантных документов по запросу.
Подходит для: семантический поиск по сербским документам · поиск ответов на сербские вопросы · ранжирование документов по релевантности запросу
Дообученная многоязычная модель для получения текстовых эмбеддингов и семантического сопоставления предложений, в том числе между английским и сербским.
Подходит для: семантический поиск по англоязычным и сербоязычным текстам · сопоставление сходства предложений на английском и сербском · межъязыковой поиск документов
Черновая модель Eagle-3 на основе Qwen3-32B для ускорения генерации текста на китайском и английском языках посредством спекулятивного декодирования.
Подходит для: ускорение инференса Qwen3-32B на китайских запросах · ускорение генерации на английском языке · спекулятивное декодирование в SGLang с Eagle-3
Многоязычная модель эмбеддингов для семантического поиска, сравнения и группировки текстов, дообученная на основе multilingual-e5-large.
Подходит для: семантический поиск по турецкой Wikipedia · поиск релевантных фрагментов для RAG · сравнение смысловой близости предложений
Англоязычная модель финансовых эмбеддингов для семантического поиска и сопоставления вопросов с фрагментами документов.
Подходит для: поиск ответов в финансовой отчётности по вопросу на естественном языке · ранжирование фрагментов финансовых документов по релевантности запросу · поиск похожих финансовых предложений и вопросов
Англоязычная модель эмбеддингов на базе GTE-small для семантического поиска и сравнения текстов.
Подходит для: семантический поиск по англоязычным текстам · сравнение сходства предложений и абзацев · поиск перефразировок
Компактная англоязычная модель эмбеддингов для семантического поиска и сравнения предложений и абзацев.
Подходит для: поиск релевантных фрагментов по текстовому запросу · сравнение семантической близости двух текстов · поиск перефразировок
Слитая 70-миллиардная модель семейства Llama для диалоговой генерации текста и решения задач с длинным контекстом.
Подходит для: диалоговые ответы и продолжение текста · ответы на вопросы и рассуждения общего назначения · генерация текста с длинным контекстом