Embed 5 Pro
нейросеть
Embed 5 Pro — мультимодальная эмбеддинг-модель Cohere для семантического поиска и RAG по тексту и изображениям.
Характеристики
- Входные данные
- текст
- Результат
- векторы (эмбеддинги)
- Размер контекста
- 128 000 токенов
- Размерность вектора
- 2 048
Стоимость промпта
(за 1M токенов)
Как работает Embed 5 Pro?
Embed 5 Pro — старший по точности уровень семейства Cohere Embed 5 объёмом около 2,4 млрд параметров. Модель переводит текст, изображения и смешанный контент в единое векторное пространство, поэтому поиск идёт по смыслу, а не по совпадению слов. Через BotHub модель подключается без VPN и зарубежной карты, оплата в рублях по факту, а рядом в одном окне доступны более 250 моделей для сравнения на ваших данных; корпоративным командам — договор, счёт и лимиты. Сценарии: гибридный семантический поиск по базе знаний, RAG поверх Qdrant или pgvector, кластеризация и дедупликация мультимодального каталога, подбор похожих товаров по фото и описанию.Частые вопросы о Embed 5 Pro
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.
embed-5-pro превращает текст в векторы — эмбеддинги, по которым удобно искать похожие фрагменты по смыслу, а не по совпадению слов. На такой основе строят семантический поиск, RAG-системы и базы знаний, кластеризацию и тематическую классификацию документов. Контекст до 128 тыс. токенов позволяет подавать крупные фрагменты текста целиком.
embed-5-pro не порождает текст, картинки или файлы: результат его работы — вектор, набор чисел фиксированной размерности, который описывает смысл поданного текста. Такой вектор передаётся в векторную базу или поисковый индекс, например Qdrant или pgvector, и используется для сравнения фрагментов по близости. Размерность вектора уточняйте в документации провайдера.
Отдельного шага рассуждений перед выдачей результата у embed-5-pro в наших данных не отмечено. Это не чат-модель: на вход она получает текст, а на выходе сразу отдаёт вектор для поиска или кластеризации, без промежуточных объяснений и плана действий. Если вам нужна цепочка рассуждений, её строят на стороне приложения или другой модели.
В наших данных вызов функций и структурированный вывод в JSON не отмечены. По назначению embed-5-pro — не диалоговая модель: она возвращает числовой вектор, а не текстовый ответ, поэтому привычные для чат-моделей инструменты к ней не применяются. Если вам нужен JSON или вызов функций, его формирует приложение поверх полученных векторов.
Подтверждений приёма изображений, аудио или видео в наших данных нет: отмечена работа с текстом, а на выходе — эмбеддинги. Мы не станем утверждать, что таких возможностей нет вовсе, но и опираться на них при проектировании не стоит. Уточните актуальный список входных форматов в документации провайдера.
В наших данных нет оценки качества работы с русским языком, поэтому обещать конкретное не будем. Модели эмбеддингов обычно проверяют по тому, насколько близкие по смыслу русские фрагменты попадают в соседние точки пространства. Это стоит протестировать на своих парах запросов и документов до внедрения в поиск или RAG.