Relace Search
Réseau Neuronal
Relace Search est un modèle de Relace pour la recherche par agent : trouve les fichiers pertinents via des appels d'outils parallèles.
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche Relace Search?
Relace Search est un modèle de Relace pour la recherche par agent dans la base de code. Il ne construit pas d'index vectoriel comme le RAG : il lance plutôt 4 à 12 appels parallèles de view_file et grep, explore le dépôt et renvoie les fichiers pertinents. Cette approche ressemble à celle d'un développeur : le modèle se base sur le contenu des fichiers plutôt que sur la proximité des embeddings. Sur BotHub, il est disponible sans VPN ni carte étrangère — vous payez en roubles avec une carte russe, à l'usage, sans abonnement. Plus de 250 autres réseaux de neurones sont disponibles dans la même fenêtre, et une API unique compatible OpenAI permet de connecter Relace Search à votre agent et de changer de modèle sans réécrire l'intégration. Le trafic est chiffré, et les entreprises bénéficient de contrats, factures, EDI et d'un panneau d'administration avec limites. Utile pour trouver rapidement où une fonctionnalité est implémentée avant modification, collecter du contexte pour un agent de code, comprendre un dépôt legacy, identifier les fichiers impactés par un refactoring ou lier la recherche de code à un gestionnaire de tâches.Questions fréquentes sur Relace Search
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
Le modèle de Relace traite le texte et les documents, accepte des images et peut appeler des outils. Il convient à la recherche dans de grandes bases de code et fichiers, à l'analyse de documentation, à la navigation dans les projets et à la collecte de contexte pour le travail sur le code.
La limite de sortie est de 128 000 jetons par réponse, suffisant pour des résumés détaillés de nombreux fichiers, de longs fragments de code ou une analyse approfondie de la documentation. Le contexte est de 256 000 jetons, permettant d'inclure un grand volume de code source.
Dans nos données, aucun mode de raisonnement spécifique n'est indiqué pour ce modèle. Cependant, vous pouvez lui demander de décomposer la tâche en étapes dans le prompt. Si vous avez besoin de chaînes de réflexion explicites, BotHub permet de passer facilement à un modèle de raisonnement dans la même fenêtre.
Oui, le modèle prend en charge l'appel de fonctions et la sortie structurée en JSON. Cela permet de l'intégrer dans des scénarios d'agent, de transmettre les résultats de recherche de fichiers à votre code et d'obtenir un format prévisible, facile à analyser.
Il accepte en entrée du texte, des documents et des images ; les captures d'écran, schémas d'architecture et PDF de documentation peuvent donc être analysés. L'audio et la vidéo ne sont pas pris en charge ; BotHub propose d'autres modèles pour cela dans la même interface.
Nous n'avons pas de données spécifiques sur la qualité du russe pour ce modèle, nous ne pouvons donc rien promettre. Testez-le sur votre tâche : sur BotHub, le paiement se fait à l'usage, sans abonnement, et vous pouvez comparer le résultat avec un autre modèle si nécessaire.