Поиск и RAG
pplx-embed
Эмбеддинги поискового сервиса Perplexity. Есть версии, которые учитывают контекст всего документа, а не только отдельного фрагмента.
- Разработчик
- Perplexity, США
- Первый выпуск
- фев 2026
- Последний выпуск
- мар 2026
- Размеры
- 0.6B – 4B
- Лицензия
- Можно в коммерциюMIT
Какие задачи решает
- Поиск по большим массивам документов
- RAG с учётом контекста документа
- Поиск по сайту и каталогу
Где применяется
Медиа и издательстваБазы знанийОнлайн-сервисы
Требования к железу
НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
подходит1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
подходитКластерСервер с несколькими видеокартами — флагманские версии
нет версийВерсии
- pplx-embed-v1-late-0.6b
- pplx-embed v1 и context-v1
Как внедряю у заказчика
- ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
- УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
- ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
- ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.
Похожие модели
Поиск и RAGQwen3 Embedding / RerankerAlibaba (Qwen) · КитайМожно в коммерцию
Эмбеддинги и реранкеры на базе Qwen3, в числе лучших открытых для многоязычного поиска, включая русский. VL-версии ищут по картинкам, скриншотам и видео.
ПодробнееПоиск и RAGVoyage 4 nanoVoyage AI (MongoDB) · СШАМожно в коммерциюЕдинственная открытая модель линейки Voyage 4: её векторы совместимы с платными старшими версиями, можно начать локально и позже перейти на API.
Подробнее