Мы рады анонсировать новую серию моделей для создания текстовых эмбеддингов, которые превращают слова и предложения в числовые векторы. Эти технологии являются основой для умного поиска и работы с большими объемами данных. Модели эмбеддингов помогают компьютерам осваивать скрытый смысл и контекст фраз, а не просто находить слова.
Одним из значительных достижений является внедрение RAG-систем, которые связывают корпоративные базы знаний с языковыми моделями (LLM). Семантический поиск позволяет находить ответы, основанные на смысле запроса, даже если формулировка отличается.
К тому же, мы добавили в наш каталог модели ранжирования текстов (реранкеры), которые сортируют результаты поиска по их релевантности. Эти модели работают на паре с эмбеддингами, что значительно улучшает качество поиска.
Обратите внимание на мультиязычную модель Multilingual-e5-large от Microsoft и Bge-m3 от BAAI, которые поддерживают множество языков, включая русский. Также есть Qwen3-embedding-8b от Alibaba, оптимизированный для экосистемы Qwen. Все они легко интегрируются с популярными векторными базами данных.
Загляните в Foundation Models Catalog, выбирайте подходящую модель и подключайте ее к вашим проектам через API.
*компания Meta Platforms Inc. признана экстремистской организацией, ее деятельность на территории России запрещена