Поиск и RAG

E5 / multilingual-e5

Проверенные модели для смыслового поиска. Многоязычные версии хорошо работают с русским и до сих пор служат надёжной основой для RAG.

Разработчик
Microsoft, США
Первый выпуск
дек 2022
Последний выпуск
фев 2024
Размеры
33M – 7B
Лицензия
Можно в коммерциюMIT
Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

  • Поиск по базе знаний и документам
  • Подбор ответов для чат-бота (RAG)
  • Поиск похожих обращений и дублей

Где применяется

Поддержка клиентовЮристы и документооборотВнутренние базы знаний

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
подходит
1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
подходит
КластерСервер с несколькими видеокартами — флагманские версии
нет версий

Версии

  1. multilingual-e5-large-instruct
  2. e5-mistral-7b-instruct
  3. multilingual-e5
  4. E5 v2
  5. E5

Как внедряю у заказчика

  1. ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
  2. УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
  3. ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
  4. ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Похожие модели

Поиск и RAGBGE-M3BAAI · КитайМожно в коммерцию

Модель для поиска по смыслу на сотне языков. Основа RAG: бот находит нужный кусок документа перед ответом.

ПодробнееПоиск и RAGGTEAlibaba · КитайМожно в коммерцию

Эмбеддинги и реранкеры Alibaba для поиска: от крошечных до 7B на базе Qwen2. Есть многоязычная версия mGTE с длинным контекстом.

ПодробнееПоиск и RAGFRIDA / Giga-EmbeddingsСбер (SberDevices) · РоссияМожно в коммерцию

Эмбеддинги Сбера, заточенные под русский язык: одни из лучших на русскоязычных тестах поиска. FRIDA компактная, Giga-Embeddings мощнее.

Подробнее