Хах, только я к продакшену систему готовлю на гугловой инфраструктуре, как гугл обновил эмбеддинги :) - Google Embedding v2 https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-embedding-2/ Первая мультимодальная embedding-модель на архитектуре Gemini. Доступна в Public Preview. Что умеет: - Маппит текст, изображения, видео, аудио и документы в единое пространство - Поддерживает 100+ языков - Контекст до 8192 токенов для текста (было 2000) - До 6 изображений за один запрос (PNG, JPEG) - Видео до 120 секунд (MP4, MOV) - Аудио нативно, без промежуточной транскрипции - PDF до 6 страниц Рекомендуемые размерности: 3072, 1536, 768 Можно балансировать между качеством и стоимостью хранения. Где попробовать: Gemini API: ai.google.dev/gemini-api/docs/embeddings Vertex AI Демка семантического поиска: findmemedia.lmm.ai Можно кидать в один запрос сразу несколько модальностей (например, картинка + текст), и модель поймёт связь между ними. Для RAG и семантического поиска по разнородным данным - это большой шаг вперед.