产品库

Gemini Embedding 是一种先进的文本嵌入模型，通过 Gemini API 提供强大的语言理解能力。

Gemini Embedding 是 Google 推出的一种实验性文本嵌入模型，通过 Gemini API 提供服务。该模型在多语言文本嵌入基准测试（MTEB）中表现卓越，超越了之前的顶尖模型。它能够将文本转换为高维数值向量，捕捉语义和上下文信息，广泛应用于检索、分类、相似性检测等场景。Gemini Embedding 支持超过 100 种语言，具备 8K 输入标记长度和 3K 输出维度，同时引入了嵌套表示学习（MRL）技术，可灵活调整维度以满足存储需求。该模型目前处于实验阶段，未来将推出稳定版本。

开源的先进文本嵌入模型

Snowflake Arctic Embed是一系列基于Apache 2.0许可开源的文本嵌入模型，专为检索用例设计。这些模型在Massive Text Embedding Benchmark (MTEB)检索基准测试中提供了领先的检索性能，为组织在结合专有数据集与大型语言模型（LLMs）进行检索增强生成（RAG）或语义搜索服务时提供了新的优势。这些模型的尺寸从超小型（xs）到大型（l），具有不同的上下文窗口和参数数量，以满足不同企业的延迟、成本和检索性能需求。

多模态嵌入模型，实现文本、图像和截图的无缝检索。

Voyage AI推出的voyage-multimodal-3是一款多模态嵌入模型，它能够将文本和图像（包括PDF、幻灯片、表格等的截图）进行向量化处理，并捕捉关键视觉特征，从而提高文档检索的准确性。这一技术的进步，对于知识库中包含视觉和文本的丰富信息的RAG和语义搜索具有重要意义。voyage-multimodal-3在多模态检索任务中平均提高了19.63%的检索准确率，相较于其他模型表现出色。

多语言晚交互检索模型，支持嵌入和重排

Jina ColBERT v2是一个先进的晚交互检索模型，基于ColBERT架构构建，支持89种语言，并提供优越的检索性能、用户可控的输出维度和长达8192个token的文本处理能力。它在信息检索领域具有革命性的意义，通过晚交互评分近似于交叉编码器中的联合查询-文档注意力，同时保持了接近传统密集检索模型的推理效率。

多语言嵌入模型，用于视觉文档检索。

vdr-2b-multi-v1 是一款由 Hugging Face 推出的多语言嵌入模型，专为视觉文档检索设计。该模型能够将文档页面截图编码为密集的单向量表示，无需 OCR 或数据提取流程即可搜索和查询多语言视觉丰富的文档。基于 MrLight/dse-qwen2-2b-mrl-v1 开发，使用自建的多语言查询 - 图像对数据集进行训练，是 mcdse-2b-v1 的升级版，性能更强大。模型支持意大利语、西班牙语、英语、法语和德语，拥有 50 万高质量样本的开源多语言合成训练数据集，具有低 VRAM 和快速推理的特点，在跨语言检索方面表现出色。

多语言多模态嵌入模型，用于文本和图像检索。

jina-clip-v2是由Jina AI开发的多语言多模态嵌入模型，支持89种语言的图像检索，能够处理512x512分辨率的图像，提供从64到1024不同维度的输出，以适应不同的存储和处理需求。该模型结合了强大的文本编码器Jina-XLM-RoBERTa和视觉编码器EVA02-L14，通过联合训练创建了对齐的图像和文本表示。jina-clip-v2在多模态搜索和检索方面提供了更准确、更易用的能力，特别是在打破语言障碍、提供跨模态理解和检索方面表现出色。

英文文本嵌入模型

Jina Embeddings V2 Base是一种英文文本嵌入模型，支持8192个序列长度。它基于Bert架构（JinaBert），支持ALiBi的对称双向变体，以允许更长的序列长度。该模型在C4数据集上进行了预训练，并在Jina AI的超过4亿个句子对和负样本的集合上进行了进一步训练。该模型适用于处理长文档的多种用例，包括长文档检索、语义文本相似度、文本重排序、推荐、RAG和LLM基于生成式搜索等。模型具有137百万个参数，推荐在单个GPU上进行推理。

使用大型语言模型改进文本嵌入

E5-mistral-7b-instruct 是一个具有 32 层和 4096 个嵌入大小的文本嵌入模型。它可以用于编码查询和文档，以生成语义向量表示。该模型使用自然语言任务描述指导文本嵌入过程，可以根据不同的任务进行定制。该模型在 MS-MARCO passage ranking 数据集上进行了训练，可用于信息检索、问答等自然语言处理任务。

AI助手嵌入工具

Embedditor是一个开源的嵌入工具，帮助您在向量搜索中发挥最大作用。通过用户友好的界面，改善嵌入元数据和嵌入令牌。无缝应用高级NLP清理技术，如TF-IDF，标准化和丰富您的嵌入令牌，提高在LLM相关应用中的效率和准确性。还可以通过智能拆分或合并内容，根据其结构增加空白或隐藏令牌，使块更具语义一致性，优化从向量数据库中获取的内容的相关性。并且您可以完全控制数据，轻松部署Embedditor在您的PC上，或者在专用企业云或本地环境中。通过应用Embedditor的高级清理技术，过滤嵌入的无关令牌，如停用词、标点符号和低相关性频繁词，您可以在嵌入和向量存储的成本上节省高达40%，同时获得更好的搜索结果。

长文本问答增强型检索生成模型

LongRAG是一个基于大型语言模型（LLM）的双视角、鲁棒的检索增强型生成系统范式，旨在增强对复杂长文本知识的理解和检索能力。该模型特别适用于长文本问答（LCQA），能够处理全局信息和事实细节。产品背景信息显示，LongRAG通过结合检索和生成技术，提升了对长文本问答任务的性能，特别是在需要多跳推理的场景中。该模型是开源的，可以免费使用，主要面向研究者和开发者。

最新推出的多语言通用嵌入模型，在多个领域表现卓越。

Voyage-3-large 是 Voyage AI 推出的最新多语言通用嵌入模型。该模型在法律、金融、代码等八个领域的100个数据集中排名第一，超越了 OpenAI-v3-large 和 Cohere-v3-English。它通过 Matryoshka 学习和量化感知训练，支持更小维度和 int8 及二进制量化，大幅降低向量数据库成本，同时对检索质量影响极小。该模型还支持 32K 令牌上下文长度，远超 OpenAI（8K）和 Cohere（512）。

确保文本原创性，防止抄袭的AI检测工具。

AI文本检测器是一款专业的AI检测工具，利用先进的AI技术，为用户提供文本原创性检测服务。它通过多种检测模型，如Chatgpt Detector Roberta、Roberta-Large OpenAI Detector和Roberta Academic Detector，确保检测结果的准确性和可靠性。该工具不仅免费使用，还支持多语言，响应速度快，并且强调用户隐私和数据安全。

基于视觉语言模型的检索增强型生成模型

VisRAG是一个创新的视觉语言模型（VLM）基础的RAG（Retrieval-Augmented Generation）流程。与传统的基于文本的RAG不同，VisRAG直接将文档作为图像通过VLM进行嵌入，然后检索以增强VLM的生成能力。这种方法最大限度地保留了原始文档中的数据信息，并消除了解析过程中引入的信息损失。VisRAG模型在多模态文档上的应用，展示了其在信息检索和增强文本生成方面的强大潜力。

用于检索和生成结合统计数据的文本模型

DataGemma RIG是一系列微调后的Gemma 2模型，旨在帮助大型语言模型（LLMs）访问并整合来自Data Commons的可靠公共统计数据。该模型采用检索式生成方法，通过自然语言查询Data Commons的现有自然语言接口，对响应中的统计数据进行注释。DataGemma RIG在TPUv5e上使用JAX进行训练，目前是早期版本，主要用于学术和研究目的，尚未准备好用于商业或公众使用。

基于先进AI模型，能精准识别AI生成文本，中英文检测能力出色。

朱雀大模型检测是腾讯推出的AI文本检测工具。它利用多种先进AI模型，经数百万级数据训练，能精准识别AI与人类书写模式。在中文数据处理上表现尤为出色，为内容创作者、教育工作者等提供了有力的检测支持，帮助他们辨别文本来源，确保内容原创性。该产品目前处于特邀测试阶段，具体价格和定位尚未明确。

新型嵌入模型，性能更强，价格更低。

OpenAI Embedding Models是一系列新型嵌入模型，包括两个全新的嵌入模型和更新的GPT-4 Turbo预览模型、GPT-3.5 Turbo模型以及文本内容审核模型。默认情况下，发送到OpenAI API的数据不会用于训练或改进OpenAI模型。新的嵌入模型具有更低的定价，包括更小、高效的text-embedding-3-small模型和更大、更强大的text-embedding-3-large模型。嵌入是表示自然语言或代码等内容中概念的一系列数字。嵌入使得机器学习模型和其他算法更容易理解内容之间的关系，并执行聚类或检索等任务。它们为ChatGPT和Assistants API中的知识检索以及许多检索增强生成（RAG）开发工具提供支持。text-embedding-3-small是新的高效嵌入模型，相比其前身text-embedding-ada-002模型，性能更强，MIRACL的平均分数从31.4%提升至44.0%，而在英语任务（MTEB）的平均分数从61.0%提升至62.3%。text-embedding-3-small的定价也比之前的text-embedding-ada-002模型降低了5倍，从每千个标记的价格$0.0001降至$0.00002。text-embedding-3-large是新一代更大的嵌入模型，能够创建高达3072维的嵌入。性能更强，MIRACL的平均分数从31.4%提升至54.9%，而在MTEB的平均分数从61.0%提升至64.6%。text-embedding-3-large的定价为$0.00013/千个标记。此外，我们还支持缩短嵌入的原生功能，使得开发者可以在性能和成本之间进行权衡。

先进的AI检索器，用于RAG。

DenserRetriever是一个开源的AI检索模型，专为RAG（Retrieval-Augmented Generation）设计，利用社区协作的力量，采用XGBoost机器学习技术有效结合异构检索器，旨在满足大型企业的需求，并且易于部署，支持docker快速启动。它在MTEB检索基准测试中达到了最先进的准确性，并且Hugging Face排行榜上也有其身影。

提供检索增强生成的API,提高检索能力,针对无法回答的用户问题和混乱的用户输入

Superpowered.ai通过自主研发的技术组件SuperStack,解决了标准RAG流水线在实际使用中出现的许多失败情况。SuperStack包含AutoQuery、相关段落提取和自动上下文注入等技术,可以转换易混淆或表述不当的用户输入为良构的搜索查询,动态检索相关信息,确保语言模型充分理解每段文本的含义。通过Chat端点快速部署会话式AI应用;提供UI组件加速应用开发。可广泛应用于客户支持助理、员工生产力工具、教育应用、法律援助工具等场景。

嵌入编辑器，优化向量搜索

Embedditor是一款开源的嵌入编辑器，类似于MS Word，能够帮助您充分利用向量搜索。通过用户友好的界面，改进您的嵌入元数据和嵌入标记。无缝应用高级NLP清洗技术，如TF-IDF，规范化和丰富您的嵌入标记，提高LLM相关应用的效率和准确性。优化您从向量数据库获取的内容的相关性，智能拆分或合并内容，基于其结构添加空白或隐藏标记，使块更具语义一致性。您可以完全控制您的数据，轻松在个人计算机上或专用企业云或本地环境中部署Embedditor，提高数据安全性。通过应用Embedditor的高级清洗技术，过滤掉嵌入中的无关标记，如停用词、标点符号和低相关性的常用词，您可以节省多达40%的嵌入和向量存储成本，同时获得更好的搜索结果。

智能搜索工具，一键检索多个社交平台

Onion AI Search是一个集成了多个社交平台搜索功能的智能搜索工具。它允许用户在一个界面上同时搜索YouTube、Instagram、Facebook、Reddit、LinkedIn、GitHub、TikTok和Netflix等多个平台的内容，极大地提高了信息检索的效率和便捷性。该产品以其简洁的用户界面和强大的搜索能力，为用户提供了一个全新的网络信息检索体验。

Go语言库，用于嵌入式向量搜索和语义嵌入

kelindar/search 是一个Go语言库，它提供了嵌入式向量搜索和语义嵌入的功能，基于llama.cpp构建。这个库特别适合于小到中型项目，需要强大的语义搜索能力，同时保持简单高效的实现。它支持GGUF BERT模型，允许用户利用复杂的嵌入技术，而不需要深陷传统搜索系统的复杂性。该库还提供了GPU加速功能，能够在支持的硬件上快速进行计算。如果你的数据集少于100,000条目，这个库可以轻松集成到你的Go应用中，实现语义搜索功能。

医疗领域检索式问答基准测试

Benchmark Medical RAG是一个专注于医疗领域的检索式问答（Retrieval-Augmented Generation）基准测试平台。它提供了一系列的数据集和评估工具，旨在推动医疗信息检索和生成模型的研究。

创建企业级嵌入向量，一键生成

Cleora PRO是一款帮助数据科学团队在没有昂贵硬件的情况下创建高质量的客户和产品嵌入向量的工具。它可以将实体（例如客户、产品、店铺、账户等）通过嵌入向量表示，类似于文本中的Word2Vec或BERT，或者图像中的CLIP。Cleora的嵌入向量是行为型的，通过实体的行为历史来表示，这些历史以大型图的形式存在。使用Cleora PRO，您可以构建推荐系统、客户细分、倾向预测、生命周期价值建模、流失预测等企业模型。

医疗领域检索式问答模型

MedRAG是一个针对医疗领域设计的检索式问答（Retrieval-Augmented Generation）模型。它结合了信息检索和文本生成技术，旨在提供准确的医疗信息查询和回答。

视觉语言模型高效文档检索工具

ColPali 是一种基于视觉语言模型的高效文档检索工具，它通过直接嵌入文档页面图像的方式来简化文档检索流程。ColPali 利用了最新的视觉语言模型技术，特别是 PaliGemma 模型，通过晚交互机制实现多向量检索，从而提高检索性能。这一技术不仅加快了索引速度，降低了查询延迟，而且在检索包含视觉元素的文档方面表现出色，例如图表、表格和图像。ColPali 的出现，为文档检索领域带来了一种新的“视觉空间检索”范式，有助于提高信息检索的效率和准确性。

自定义AI助手，无需预格式化，轻松存储和检索内容

The Attic AI革新了您的知识管理体验。我们基于人工智能的存储和搜索功能简化了文档中的信息组织和检索，为客户和员工提供了关键信息的即时访问。拥抱无缝高效的方法处理不断增长的知识库，与The Attic一起体验吧。

简单快速的检索增强型生成模型

LightRAG是一个基于检索增强型生成模型，旨在通过结合检索和生成的优势来提升文本生成任务的性能。该模型在保持生成速度的同时，能够提供更准确和相关的信息，这对于需要快速且准确信息检索的应用场景尤为重要。LightRAG的开发背景是基于对现有文本生成模型的改进需求，特别是在需要处理大量数据和复杂查询时。该模型目前是开源的，可以免费使用，对于研究人员和开发者来说，它提供了一个强大的工具来探索和实现基于检索的文本生成任务。

训练和部署嵌入式模型的AI平台

Marqo是一个专注于训练和部署嵌入式模型的平台，它提供了一个端到端的解决方案，从模型训练到推理，再到存储。Marqo支持150多种嵌入式模型，并且可以快速原型设计，加速迭代，并无缝部署。该平台支持多模态模型，如CLIP，可以从图像和其他数据类型中提取语义信息，实现文本和图像的无缝搜索，甚至可以将文本和图像组合成一个向量。Marqo还支持100多种语言的搜索，提供最先进的多语言模型，无需手动进行语言配置即可扩展到新的地区。此外，Marqo的可扩展性允许用户在笔记本电脑上的Docker镜像中运行，也可以扩展到云端数十个GPU推理节点，提供低延迟的搜索服务。

视频内容的快速检索工具

Spottr是一个利用高级算法快速定位视频内容的工具，它通过自然语言处理技术，让用户能够在海量视频资料中迅速找到所需时刻，极大地提高了视频检索的效率和准确性。它适用于各种场景，如安全监控、野生动物监测、视频制作等，能够为不同行业的用户带来极大的便利。

创建丰富的嵌入消息，为您的Discord服务器增添个人风格。

Embed Generator是创建丰富的嵌入消息的最佳方式。您可以轻松为您的Discord服务器创建自定义的嵌入消息，并赋予它们个人风格。该产品具有以下主要功能点： 1. 创建丰富的嵌入消息 2. 保存消息 3. 自定义品牌 4. 交互式组件 5. 白标 6. 自定义命令 7. AI助手 Embed Generator适用于各种场景，包括个人用户、社区、游戏服务器等。该产品提供免费和付费版本，具体定价请参考官方网站。