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.

gte-large превращает тексты в векторы — числовые представления смысла. Подходит для семантического поиска, RAG, кластеризации, дедупликации и классификации: близкие по смыслу фрагменты оказываются рядом в векторном пространстве. Полученные векторы складывайте в Qdrant, pgvector или любое другое хранилище.

На выходе не текст и не картинка, а эмбеддинг: вектор на 1024 измерения, который приходит обычным массивом чисел. Длина входа ограничена контекстом в 512 токенов, поэтому длинные документы заранее режьте на фрагменты с небольшим перекрытием.

Рассуждения — задача генеративных моделей, а gte-large устроен иначе: он не пишет ответов, а кодирует смысл текста в вектор. В наших данных пошаговые рассуждения не отмечены. Для разбора найденных фрагментов подключите в связке текстовую модель из каталога.

В наших данных вызов функций и структурированный вывод не отмечены — это инструменты чат-моделей. При этом ответ и так строго формализован: массив чисел, который кладётся в базу напрямую. Запросы идут через единый OpenAI-совместимый API BotHub.

В наших данных приём чего-либо, кроме текста, не отмечен: это текстовая эмбеддинг-модель. Если проекту нужна мультимодальность, через тот же самый API BotHub переключитесь на подходящую модель — переписывать интеграцию и менять ключи не придётся.

Про языки в наших данных ничего не сказано, поэтому заранее обещать точность мы не станем. Проверяйте на своей выборке: соберите контрольные пары «запрос — документ» и сравните качество поиска с другими эмбеддерами, благо переключение в BotHub идёт через один API.