Англоязычный энкодер UltraBERT на 151 млн параметров для построения эмбеддингов текста и кода, семантического поиска и сравнения сходства.
Подходит для: семантический поиск по длинным английским документам · поиск фрагментов кода по описанию или запросу · ранжирование документов по релевантности запросу
Мультимодальная модель NVIDIA кодирует текст и изображения документов в векторы для многоязычного семантического поиска и RAG.
Подходит для: поиск по сканам страниц документов по текстовому запросу · поиск по таблицам, графикам и инфографике в документах · семантический поиск по текстовым фрагментам на нескольких языках
Мультиязычная модель Snowflake для создания текстовых эмбеддингов и семантического поиска по документам.
Подходит для: семантический поиск документов на нескольких языках · поиск релевантных фрагментов для RAG · сопоставление поискового запроса с документами
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
Мультимодальная модель NVIDIA кодирует текст и изображения документов в векторы для многоязычного семантического поиска и RAG.
Подходит для: поиск по сканированным страницам документов по текстовому запросу · семантический поиск по текстовым коллекциям на разных языках · поиск таблиц, диаграмм и инфографики в документах
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
Разреженный энкодер для преобразования французских текстов в векторы и семантического поиска документов.
Подходит для: семантический поиск по французским документам · разреженное извлечение релевантных документов по запросу · построение векторного индекса для французскоязычной коллекции
Компактная англоязычная модель Jina AI преобразует текст, включая длинные документы, в эмбеддинги для семантического поиска, сравнения и RAG.
Подходит для: семантический поиск по длинным англоязычным документам · поиск фрагментов для RAG-системы · сравнение смысловой близости предложений
Турецкая юридическая модель эмбеддингов для поиска релевантных прецедентов Yargıtay по описанию спора.
Подходит для: поиск решений Yargıtay по описанию юридического спора · подбор судебных прецедентов к фактам искового заявления · поиск судебных решений с похожим правовым обоснованием
Китайскоязычная модель эмбеддингов для семантического поиска, сравнения и группировки текстов.
Подходит для: семантический поиск по фрагментам художественной прозы · поиск похожих предложений и абзацев · поиск перефразировок
Англоязычный энкодер MiniLM с проекцией в 128 измерений для компактного семантического поиска и сравнения текстов.
Подходит для: семантический поиск по компактному векторному индексу · ранжирование документов по сходству с запросом · поиск похожих предложений и коротких текстов
ColUltraVBERT — мультимодальный ретривер для поиска релевантных страниц визуальных документов по текстовому запросу.
Подходит для: поиск страниц в документах по текстовому запросу · поиск ответов в сканах и визуально сложных документах · построение мультиязычного индекса отчётов и научных материалов
Компактный корейско-английский ModernBERT-энкодер, создающий разреженные векторы для поиска по запросам и документам.
Подходит для: поиск корейских документов по запросам · поиск английских документов по запросам · построение индекса для корейско-английского поиска
Англоязычный энкодер ModernBERT на 1 млрд параметров для zero-shot-классификации и проверки логической связи между текстом и утверждением.
Подходит для: классификация текста по темам без обучения на пользовательских метках · маршрутизация запросов пользователей по намерениям · проверка соответствия ответа фрагментам из RAG-поиска
Англоязычный энкодер NLI на базе ModernBERT, который оценивает, следует ли утверждение из текста, противоречит ему или нейтрально.
Подходит для: классификация тем текста по заданным описаниям · маршрутизация запросов пользователей по категориям · проверка соответствия ответа найденным фрагментам в RAG
Англоязычный кросс-энкодер для классификации отношений между текстом и утверждением, включая zero-shot-тегирование и проверку обоснованности ответов.
Подходит для: классификация тем по тексту и набору утверждений · маршрутизация запросов пользователей по намерению · проверка ответов по найденным фрагментам в RAG
Дообученная на парах запросов и документов модель Qwen3 для создания текстовых эмбеддингов и семантического поиска.
Подходит для: поиск документов по смыслу запроса · ранжирование документов по релевантности запросу · сравнение семантической близости предложений
Дообученная модель Qwen3 для создания эмбеддингов и семантического поиска по текстовым запросам и документам.
Подходит для: семантический поиск по коллекции документов · поиск релевантных документов по запросу на естественном языке · сопоставление запроса с кандидатами документов
Дообученная на парах запросов и документов модель Qwen3-Embedding-0.6B для создания эмбеддингов и семантического поиска.
Подходит для: поиск документов по текстовому запросу · сопоставление запроса с релевантными документами · ранжирование документов по сходству с запросом
Дообученная на парах запросов и документов модель Qwen3 для создания текстовых эмбеддингов и семантического поиска.
Подходит для: семантический поиск по коллекции документов · сопоставление запроса с подходящими текстами · ранжирование документов по релевантности запросу
Текстовая модель эмбеддингов Eulogik на базе EmbeddingGemma-2 для поиска и RAG на хинди и хинглише.
Подходит для: поиск по смыслу в документах на хинди · поиск по смешанным запросам на хинди и английском · создание векторного индекса для RAG на хинди
Дообученная на парах запросов и документов модель Qwen3 для получения текстовых эмбеддингов и семантического сопоставления.
Подходит для: поиск документов по текстовому запросу · сопоставление запроса с релевантными фрагментами · ранжирование кандидатов по семантическому сходству
Дообученная на данных ReasonIR модель Qwen3 для получения текстовых эмбеддингов и семантического поиска.
Подходит для: поиск документов по смыслу запроса · сравнение семантической близости предложений · создание векторного индекса документов
Дообученная на MS MARCO модель Qwen3-Embedding-0.6B преобразует запросы и документы в эмбеддинги для семантического поиска и ранжирования релевантных фрагментов.
Подходит для: поиск релевантных документов по запросу · извлечение подходящих фрагментов для RAG · семантическое сопоставление поисковых запросов и документов