> ## Documentation Index > Fetch the complete documentation index at: https://docs.conare.ai/llms.txt > Use this file to discover all available pages before exploring further. # Embeddings > Retrieval-Embeddings aus demselben Modell, mit dem Conare indexiert – heute als gehostete API, morgen auf deinem Korpus fine-getunt und evaluations-gegated. Die meisten Teams nutzen eine generische Embedding-API und hoffen, dass sie ihre Domäne versteht. Conares Position ist anders: **Das Embedding-Modell ist Teil des Retrieval-Stacks, kein Commodity-Input** – und seine stärkste Ausprägung ist eines, das auf deinen eigenen Daten trainiert wurde. Conare Embeddings kommt in zwei Ebenen: `POST /api/v1/embeddings` – Vektoren im Dokumentenraum aus genau dem selbst gehosteten Modell, das Conare-Memories indiziert und retrievt. Heute in jedem Plan verfügbar. Ein auf deinen Daten fine-getuntes Embedding-Modell, akzeptanzgeprüft anhand deiner echten Queries, samt eigenem Reranker. Sales-led. ## Warum Vektoren aus demselben Modell wichtig sind Retrieval-Qualität leidet still, wenn die Vektoren in deinem Index und die Vektoren zur Query-Zeit aus unterschiedlichen Repräsentationen stammen. Die Hosted-API liefert Vektoren aus **demselben Modell, mit dem Conare retrievt** – die richtige Wahl, wenn: * du eigene Vektor-Features (Clustering, Dedup, Ähnlichkeits-Heuristiken) neben Conare Memory oder [ConareDB](/db/overview) baust und die Repräsentationen zueinander passen müssen; * du [Model-Pinning](/embeddings/api#model-pinning)-Semantik willst – die explizite Garantie, dass Vektoren aus einem anderen Modell nie stillschweigend in deinen Index gemischt werden. ## Warum es Custom Models gibt Ein generisches Modell verteilt seine Kapazität auf jede Domäne im Internet. Deine Queries leben in einer Domäne – im Vokabular deines Produkts, in der Sprache deiner Kunden, in der Struktur deiner Dokumente. Fine-Tuning auf dieser Verteilung bewegt zuverlässig die Metriken, die zählen (Recall auf deinen echten Queries, Ranking-Qualität, das Erkennen, wenn es keine Antwort gibt) – und Conare rollt ein Custom-Modell nur aus, wenn es **nachweislich das bestehende auf deinem eigenen Evaluations-Set schlägt**, nie im Vertrauen. Lies, [wie das Engagement abläuft](/embeddings/custom-models).