> ## 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

> Ембединги для пошуку з тієї ж моделі, якою Conare індексує дані — як хостинговий API або донавчені на вашому корпусі з оцінкою якості перед релізом.

Більшість команд використовують загальний API ембедингів і сподіваються, що він розуміє їхній домен. Позиція Conare інша: **модель ембедингів — це частина пошукового стеку, а не commodity-вхід**, і найсильніша її версія — та, що натренована на ваших власних даних.

Conare Embeddings — у двох шарах:

<CardGroup cols={2}>
  <Card title="Hosted API" icon="zap" href="/embeddings/api">
    `POST /api/v1/embeddings` — вектори документного простору від тієї самої self-hosted моделі, яка індексує та шукає памʼять Conare. Доступно вже сьогодні в кожному плані.
  </Card>

  <Card title="Custom models" icon="target" href="/embeddings/custom-models">
    Модель ембедингів, донавчена на ваших даних, з приймальним контролем на ваших реальних запитах, і власним реренкером. Sales-led.
  </Card>
</CardGroup>

## Чому вектори однієї моделі мають значення

Якість пошуку тихо деградує, коли вектори у вашому індексі та вектори під час запиту походять з різних представлень. Hosted API повертає вектори **від тієї ж моделі, якою Conare здійснює пошук**, і це правильний вибір, коли:

* ви будуєте власні векторні фічі (кластеризацію, дедуп, евристики подібності) поруч із памʼяттю Conare чи [ConareDB](/db/overview), і представлення мають узгоджуватися;
* ви хочете семантику [фіксації моделі](/embeddings/api#model-pinning) — явну гарантію, що вектори від іншої моделі ніколи не будуть тихо підставлені у ваш індекс.

## Чому існують кастомні моделі

Загальна модель розтягує свою ємність на кожен домен інтернету. Ваші запити живуть в одному домені — вашому продуктовому словнику, формулюваннях ваших клієнтів, структурі ваших документів. Донавчання на цьому розподілі надійно зсуває метрики, які мають значення (recall на ваших реальних запитах, якість ранжування, знання, коли відповіді немає), — і Conare постачає кастомну модель лише коли вона **доведено перевершує чинну на вашому власному наборі оцінки**, ніколи на віру. Читайте [як влаштована співпраця](/embeddings/custom-models).