THE AI MODEL DIRECTORY 模型探索，从这里开始

找到适合你的 AI 模型。

从语言到影像，从开源到 API。读懂模型能力、比较真实成本，
为你的下一个想法，找到合适的智能引擎。

热门探索

84,736 款模型档案13040 家厂商 / 发布者45 个能力分类464 款有可比报价 · 30 款有公开评测

T文本生成 ▧图像生成 ▷视频生成 ⌘代码生成 ◖语音合成 ♫音乐生成 ⬡3D 建模 ▤文档分析

DISCOVER & COMPARE

探索 AI 模型 9

厂商输入输出许可

为你发现值得关注的模型

BERTA

sergeyzh

Модель для расчетов эмбеддингов предложений на русском и английском языках получена методом дистилляции эмбеддингов ai-forever/FRIDA (размер эмбеддингов - 1536, слоёв - 24) в sergeyzh/LaBSE-ru-turbo (размер эмбеддингов - 768, слоёв - 12). Основной режим использования FRIDA - CLS pooling заменен на mean pooling. Каких-либо других изменений поведения модели не производилось. Дистиляция выполнена в максимально возможном объеме - эмбеддинги русских и английских предложений, работа префиксов. Все префиксы унаследованы от FRIDA. Оптимальный (обеспечивающий средние результаты) префикс для большинства задач - "categorize_entailment: " прописан по умолчанию в config_sentence_transformers.json

译文排队中 · 当前显示来源原文

向量与相似度

输入文本→ 输出向量

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

LaBSE-ru-sts

sergeyzh

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

基础资料已收录 · 缺失资料后续补充

向量与相似度

输入文本→ 输出向量

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

LaBSE-ru-turbo

sergeyzh

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

向量与相似度

输入文本→ 输出向量

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

rubert-large-uncased-sts

sergeyzh

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

基础资料已收录 · 缺失资料后续补充

向量与相似度

输入文本→ 输出向量

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

rubert-mini-frida

sergeyzh

Модель для расчетов эмбеддингов предложений на русском и английском языках получена методом дистилляции эмбеддингов ai-forever/FRIDA (размер эмбеддингов - 1536, слоёв - 24) в sergeyzh/rubert-mini-sts (размер эмбеддингов - 312, слоёв - 7). Основной режим использования FRIDA - CLS pooling заменен на mean pooling. Каких-либо других изменений поведения модели (модификации или фильтрации эмбеддингов, использования дополнительной модели) не производилось. Дистиляция выполнена в максимально возможном объеме - эмбеддинги русских и английских предложений, работа префиксов. Рекомендуемый размер контекста модели соответствует FRIDA и не превышает 512 токенов (фактический унаследованный от исходной модели - 2048). Все префиксы унаследованы от FRIDA. Оптимальный (обеспечивающий средние результаты) для большинства задач - "categorize: " прописан по умолчанию в config_sentence_transformers.json

译文排队中 · 当前显示来源原文

向量与相似度

输入文本→ 输出向量

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

rubert-mini-sts

sergeyzh

Базовая модель BERT для расчетов компактных эмбеддингов предложений на русском языке. Модель основана на cointegrated/rubert-tiny2 - имеет аналогичные размеры контекста (2048) и ембеддинга (312), количество слоев увеличено с 3 до 7.

译文排队中 · 当前显示来源原文

向量与相似度

输入文本→ 输出向量

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗

rubert-tiny-lite

sergeyzh

Быстрая модель BERT для русского языка с размером ембеддинга 256 и длиной контекста 512. Модель получена методом последовательной дистилляции моделей sergeyzh/rubert-tiny-turbo и BAAI/bge-m3. Выигрывает по скорости у rubert-tiny-turbo при аналогичном качестве на CPU в ~x1.4, на GPU в ~x1.2 раза. Оценки модели на бенчмарке ruMTEB:

译文排队中 · 当前显示来源原文

向量与相似度

输入文本→ 输出向量

价格待核验多模态与渠道费用须分别核对

查看详情 ↗

加入对比来源 / 文档 ↗