Лаборатория векторов

Мультимодальная модель эмбеддингов превращает и текст, и картинку в один и тот же набор чисел — вектор смысла. Если модель настоящая, подпись «рыжий кот» окажется рядом с фотографией кота, а не рядом со словом «декларация». Здесь это можно проверить руками: сложить свою коллекцию, поискать в ней обычными словами и посмотреть, насколько близки два входа.

1024 измерений 30 в хранилище

Только для зарегистрированных

Лаборатория векторов — по аккаунту

Коллекция векторов и прогоны привязаны к человеку: войдите — и те же картинки и тексты найдутся с любого устройства. Очередь эмбеддингов при этом не расходуется анонимами.

Beta, бесплатно модель 1024-мерная

Своя коллекция: до 60 картинок и текстов в одном пространстве
Поиск по смыслу обычными словами — подпись находит свою картинку
Сравнение пары входов: косинусная близость, а не «на глаз»
Паспорт модели: формат запроса, размерность и время ответа

Войти и открыть лабораторию Регистрация — там же, занимает минуту

Коллекция и прогоны живут 30 дней, элементы удаляются по кнопке. Кадр удаляется сразу после подсчёта вектора: в хранилище остаётся только вектор и превью.

Что здесь можно делать

Коллекция и поиск. Сложите в коллекцию картинки и тексты и ищите в ней обычными словами: результаты идут по близости смысла, а не по имени файла.
Сравнение пары. Два входа — текст, картинка или оба — и одно число: косинусная близость из настоящих векторов модели (считает PostgreSQL, а не правила страницы).
Проверка модели. Воркер перебирает форматы мультимодального запроса, замеряет размерность и время ответа и проверяет, различает ли модель смысл текстов и картинок.

Как читать число

Косинусная близость — это угол между двумя векторами: 1 — одно направление, 0 — ничего общего. Абсолютные значения у каждой модели свои, поэтому сравнивайте не с «идеальной единицей», а пары между собой.

· от 0,90 — практически одно и то же
· от 0,70 — про одно и то же
· от 0,50 — заметно связаны
· от 0,30 — есть общая тема
· от 0,15 — связь слабая
· от -1,00 — ничего общего

Что известно о модели

проверено 05.10.2026 18:23

Модель пригодна для мультимодального поиска

модель: mradermacher/Qwen3-VL-Embedding-2B-GGUF
размерность: 1024
формат запроса: Чат-сообщения пачкой: messages = [[{role, content}]] (свой сервис, vLLM)