cohereRerank 4 Fast
cohere/rerank-4-fast
Условия тарифа — в карточке модели
Обзор и подключение →КАТАЛОГ НЕЙРОСЕТЕЙ
Модель под вашу задачу.
Найдите модель по названию, разработчику или идентификатору. Сравните характеристики перед подключением API.
681 моделей в снимке от 13 сентября 2026. Поиск по названию, разработчику и идентификатору.
Найдено 7 моделейПо 30 на странице
Как определяется популярность
По объёму обработанных токенов, не по продажам или качеству. Публичный рейтинг. Данные по 2026-09-13. Снимок публичного топ-10. Модели без данных идут далее по алфавиту; версии учитываются отдельно. Источник: публичный рейтинг поставщика, CC BY 4.0.
coherecohereRerank 4 Pro
cohere/rerank-4-pro
Условия тарифа — в карточке модели
Обзор и подключение →cohereRerank v3.5
cohere/rerank-v3.5
Условия тарифа — в карточке модели
Обзор и подключение →
nvidiaLlama Nemotron Rerank VL 1B V2 (free)
nvidia/llama-nemotron-rerank-vl-1b-v2:free
Условия тарифа — в карточке модели
Обзор и подключение →
qwenQwen3 Reranker 8B
qwen/qwen3-reranker-8b
Условия тарифа — в карточке модели
Обзор и подключение →
voyageairerank-2.5
voyageai/rerank-2.5
Условия тарифа — в карточке модели
Обзор и подключение →voyageairerank-2.5-lite
voyageai/rerank-2.5-lite
Условия тарифа — в карточке модели
Обзор и подключение →Обзоры моделей
Для каких задач подходят модели, какие у них ограничения и что учитывать перед подключением API.
ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕ
Sentence Transformers: paraphrase-MiniLM-L6-v2
paraphrase-MiniLM-L6-v2 — компактная sentence-transformer модель для близких формулировок. Её практический сценарий — найти повторяющиеся описания товаров, даже когда автор заменил слова и переставил предложения.
Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕSentence Transformers: multi-qa-mpnet-base-dot-v1
multi-qa-mpnet-base-dot-v1 — embedding-модель, настроенная на поиск passages по вопросу. Её целевой пример — FAQ интернет-магазина: короткий запрос должен привести к утверждённому ответу, а не к генерации нового правила.
Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕThenlper: GTE-Base
GTE Base — англоязычная embedding-модель среднего размера для semantic similarity и поиска. Здесь она применяется к каталогу комплектующих, где пользователь описывает назначение, а система сочетает смысловой поиск с точными фильтрами.
Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕSentence Transformers: all-mpnet-base-v2
all-mpnet-base-v2 — универсальная sentence-embedding модель размерности 768. На этой странице она рассматривается как основа рекомендаций научных аннотаций, где тематическая близость должна дополнять строгие фильтры по области и году.
Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕSentence Transformers: all-MiniLM-L12-v2
all-MiniLM-L12-v2 — компактная модель Sentence Transformers для сравнения предложений и коротких абзацев. Практический сценарий страницы — группировка потока новостей по одному событию, чтобы редактор видел сюжет, а не десятки пересказов.
Читать обзор →ВОЗМОЖНОСТИ И ПРИМЕНЕНИЕIntfloat: Multilingual-E5-Large
Multilingual E5 Large — многоязычная embedding-модель для поиска между запросом и документом на разных языках. Её сценарий — единая служба поддержки, где русский вопрос должен находить актуальную английскую инструкцию.
Читать обзор →Выберите модель и изучите её характеристики, ограничения и состояние тарифа.
Как выбрать модель
Сопоставьте задачу с размером контекста и форматом ответа. Оцените качество на примерах из своего приложения перед выбором основной модели.
Тексты и рассуждения
DeepSeek
Семейство для текстовых задач и многошаговых ответов. Выбирайте конкретную версию и параметры в каталоге.
Подробнее →Автоматизация и кодQwen
Семейство моделей для обработки текста и разработки. В каталоге будут отдельные версии, а не плавающий псевдоним.
Подробнее →Документы и агентыKimi
Кандидат для сценариев с документами и инструментами. Доступность и реальные ограничения зависят от выбранной версии.
Подробнее →