Эмбеддинги и векторный поиск

Поиск по нашим документам находит по словам, а не по смыслу

Векторные представления текста для семантического поиска и RAG. Сам RAG — «RAG / корпоративный ИИ»

Решения, которые это умеют (5)

Возможность подтверждена модулями, которые разработчик описал у себя на сайте, — они названы под решением.

Модули, в которых это описано (5)

Модуль	Тип
Embeddings Компонент платформы — векторизация текста для смыслового поиска, классификации и кластеризации.	Входит в тариф	→
Каталог развёрнутых моделей Открытые модели, развёрнутые у Cloud.ru: DeepSeek, Qwen, gpt-oss, Kimi, GLM и российский GigaChat. Формулировка разработчика: «Модели уже готовы к использованию — не нужно развертывать инференс и писать код», «Модели развернуты на российских серверах». Каталог пополняется: «Мы регулярно добавляем новые модели».	Входит в тариф	→
Векторное представление текста Эмбеддинги для поиска по смыслу. Тарифицируются потокенно, как и генерация текста.	Входит в тариф	→
Эмбеддинги Модели векторизации: multilingual-e5-large, bge-m3, qwen3-embedding-8b.	Входит в тариф	→
Embeddings «Векторные представления текста для точного смыслового поиска и RAG».	Входит в тариф	→