EmbeddingsGigaR

нейросеть

Бип-буп пишем текста для вас...
pc1pc2pc3pc4

Характеристики

Входные данные
текст
Результат
векторы (эмбеддинги)
Размер контекста
4 096 токенов
144,74 ₽

Стоимость промпта

(за 1M токенов)

*Указаны цены при использовании API через ECO-провайдеров.
Пример кода и API для EmbeddingsGigaRМы предлагаем полный доступ к API OpenAI через наш сервис. Все наши конечные точки полностью соответствуют конечным точкам OpenAI, их можно использовать как с плагинами, так и при разработке собственного программного обеспечения через SDK.Создать API ключ
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?

Ботхабчики собирают информацию...empty

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.

Служба поддержкиРаботаем с 10:00 до 18:00 по МСК