EmbeddingsGigaR
нейросеть
Характеристики
- Входные данные
- текст
- Результат
- векторы (эмбеддинги)
- Размер контекста
- 4 096 токенов
Стоимость промпта
(за 1M токенов)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
async function main() {
const response = await openai.embeddings.create({
model: 'EmbeddingsGigaR',
input: 'The food was delicious and the waiter...',
encoding_format: 'float'
});
const embedding = response.data[0].embedding;
console.log(embedding);
}main();
Как работает EmbeddingsGigaR?
Частые вопросы о EmbeddingsGigaR
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
EmbeddingsGigaR преобразует текст в числовые векторы для семантического поиска, кластеризации, RAG, поиска похожих документов и рекомендаций. Подходит для хранения в векторных базах, семантического сопоставления запросов с контентом и интеграции в мульти‑модельные приложения через OpenAI‑совместимый API BotHub.
Модель генерирует эмбеддинги — числовые векторы, отражающие смысл входного текста. Выход представляет собой массив чисел; точная размерность и формат уточняются в документации BotHub. Текстовой генерации или мультимедийного вывода модель не выполняет, только векторные представления.
В наших данных не отмечено, что EmbeddingsGigaR выполняет рассуждения перед выводом. Эмбеддинги кодируют семантику входа в векторы без понятной цепочки мыслей; сложные логические рассуждения обычно реализуются на уровне приложений, использующих эти векторы для сопоставления и вывода.
В наших данных не отмечено, что модель поддерживает вызов функций или нативный структурированный JSON‑вывод. Эмбеддинги возвращаются как массив чисел; вы можете упаковать их в JSON и вызывать функции на стороне сервера или клиента в вашей интеграции через API BotHub.
В наших данных не отмечено приёма изображений, аудио или видео. Модель заявлена для работы с текстом, поэтому для мультимедиа обычно требуется предварительная конверсия в текстовые описания или отдельная мультимодальная модель; уточните варианты через документацию BotHub.
Конкретной информации о качестве понимания русского языка в наших данных нет. Обычно качество эмбеддингов на русском зависит от корпуса и обучения модели; рекомендуем провести тестирование на ваших русскоязычных данных через BotHub, чтобы оценить пригодность для задач поиска и кластеризации.