Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.

bge-m3 от BAAI — модель эмбеддингов: она превращает текст в числовые векторы для семантического поиска, RAG, кластеризации, дедупликации и ранжирования документов. Подходит, когда искать нужно по смыслу, а не по точному совпадению слов, и когда вы строите базу знаний поверх своих данных.

На выходе не текст, а вектор фиксированной размерности — массив чисел в JSON-ответе API. Такие векторы складывают в Qdrant, pgvector или другое векторное хранилище и сравнивают по косинусной близости. Контекст модели — 8192 токена на запрос.

В наших данных режим рассуждений не отмечен, и для эмбеддингов он не требуется: модель кодирует смысл текста в вектор за один проход. Логику поверх результатов строит ваш пайплайн — например, генеративная модель, которой вы передаёте найденные фрагменты.

Вызов функций и структурированный вывод в наших данных не отмечены — это инструменты генеративных моделей. При этом ответ API приходит в JSON: массив чисел на каждый переданный фрагмент, так что разбирать его в коде удобно. Для function calling подключите текстовую модель через тот же API.

Приём файлов помимо текста в наших данных не отмечен: на вход вы передаёте строку или массив строк в пределах 8192 токенов. Если понадобятся изображения или аудио, переключитесь на мультимодальную модель — единый OpenAI-совместимый API BotHub позволяет сделать это без переписывания интеграции.

Многоязычность заложена в основе этой модели BAAI: она рассчитана на работу с текстами разных языков, и русскоязычные сценарии поиска и RAG на ней собирают регулярно. Итоговое качество всё же проверьте на своих данных — прогоните тестовую выборку запросов и сравните результаты.