Relace Search
Red Neuronal
Relace Search es un modelo de Relace para búsqueda de código: encuentra archivos relevantes mediante llamadas paralelas a herramientas.
Longitud máxima de respuesta
(en tokens)
Tamaño del contexto
(en tokens)
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona Relace Search?
Relace Search es un modelo de Relace para la búsqueda de agentes en bases de código. No construye un índice vectorial como RAG: en su lugar, ejecuta de 4 a 12 llamadas paralelas a view_file y grep, analiza el repositorio y devuelve los archivos relevantes. Este enfoque se asemeja a la búsqueda de un desarrollador: se basa en el contenido de los archivos, no en la proximidad de embeddings. En BotHub, está disponible sin VPN ni tarjeta extranjera: paga con tarjeta rusa en rublos, sin suscripción. Acceda a más de 250 redes neuronales en una ventana y utilice una API compatible con OpenAI para conectar Relace Search a su agente, cambiando de modelo sin reescribir la integración. El tráfico está cifrado y las empresas disponen de contratos, facturas, intercambio electrónico de documentos y panel de administración con límites. Útil para encontrar rápidamente dónde se implementó una función antes de editarla, recopilar contexto para un agente de código que escriba parches, entender repositorios legacy, identificar archivos afectados por refactorizaciones o vincular la búsqueda de código con gestores de tareas para resolver tickets más rápido.Preguntas frecuentes sobre Relace Search
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
El modelo de Relace trabaja con texto y documentos, acepta imágenes y puede invocar herramientas. Es adecuado para buscar en grandes bases de código y archivos, analizar documentación, navegar por proyectos y recopilar contexto para trabajar con código.
El límite de salida es de hasta 128 000 tokens por respuesta, suficiente para resúmenes detallados de múltiples archivos, fragmentos de código largos o análisis exhaustivos de documentación. El contexto es de 256 000 tokens, por lo que cabe un gran volumen de código fuente.
En nuestros datos no se indica un modo de razonamiento específico para este modelo. Sin embargo, puede pedirle que descomponga la tarea en pasos en el prompt. Si necesita cadenas de razonamiento explícitas, en BotHub puede cambiar fácilmente a un modelo de razonamiento en la misma ventana.
Sí, el modelo admite llamadas a funciones (function calling) y salida estructurada en JSON. Esto permite integrarlo en escenarios de agentes, pasar resultados de búsqueda de archivos a su código y obtener un formato predecible, fácil de analizar.
Acepta texto, documentos e imágenes, por lo que puede analizar capturas de pantalla, diagramas de arquitectura y PDF de documentación. No se indica soporte para audio y video; para ello, BotHub ofrece modelos específicos en la misma interfaz.
No tenemos datos específicos sobre la calidad del ruso en este modelo, por lo que no podemos prometer nada. Pruébelo con su tarea: en BotHub se paga por uso (tokens), sin suscripción, y puede comparar el resultado con otro modelo si es necesario.