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.

Это модель эмбеддингов: она превращает текст в числовой вектор. На таких векторах строят семантический поиск, RAG-пайплайны, кластеризацию, дедупликацию и классификацию документов. Контекст — 512 токенов, поэтому длинные материалы заранее разбивайте на фрагменты и индексируйте их по отдельности.

На выходе не текст и не картинка, а эмбеддинг — массив вещественных чисел размерности 1024. Такой вектор напрямую кладётся в Qdrant, pgvector или другое векторное хранилище, а запросы вы отправляете через единый OpenAI-совместимый API BotHub.

Цепочек рассуждений здесь не бывает: это энкодер, который за один проход кодирует текст в вектор, а не пишет ответ. В наших данных режим размышления тоже не отмечен. Логику ранжирования и переранжирования вы строите уже на своей стороне.

В наших данных такая возможность не отмечена, да и эмбеддеру она обычно не нужна: внешние инструменты модель не вызывает. При этом ответ API приходит структурированным — это JSON с массивом чисел, который удобно парсить и сразу писать в векторную базу.

Приём таких файлов в наших данных не отмечен — на вход подавайте текст, до 512 токенов за запрос. Если документ длиннее, режьте его на чанки с перекрытием и индексируйте каждый фрагмент отдельным вектором, иначе часть смысла потеряется.

Русский для неё штатный наравне с десятками других языков — это многоязычная модель семейства E5. Запрос найдёт подходящий фрагмент в русскоязычной базе, работает и кросс-языковой поиск: вектора разных языков попадают в одно общее семантическое пространство.