Компания Perplexity AI представила новую модель контекстных эмбеддингов pplx-embed-v2-context-9b-preview. Она обрабатывает документ целиком за один проход, что позволяет фрагментам текста сохранять контекст всего документа.
Ранее, 26 февраля 2026 года, компания выпустила семейства моделей pplx-embed-v1 и pplx-embed-context-v1. На бенчмарке ConTEB версия pplx-embed-context-v1-4B показала результат nDCG@10 на уровне 81,96 процента, обойдя аналоги от Voyage и Anthropic.
Внутренние тесты Perplexity на массиве из более чем 1 миллиарда страниц показали рост показателей полноты поиска по сравнению с эмбеддингами Qwen3. Обучение v1 проходило на 250 миллиардах токенов с применением диффузионных методов и контрастивного обучения.
Модели поддерживают квантование INT8 и бинарное квантование, что, по заявлению разработчика, сокращает объем хранения данных до 32 раз. Стоимость API для линейки v1 варьируется от $0,004 до $0,05 за миллион токенов в зависимости от версии.
