# Выбор модели

Детальное сравнение вариантов embedding моделей для MCP-серверов.

## Сводная таблица

| Модель                             | Размерность | Качество | Скорость | Требования | Офлайн |
| ---------------------------------- | ----------- | -------- | -------- | ---------- | ------ |
| **Qwen3-Embedding-4B** (LM Studio) | 2560        | ⭐⭐⭐⭐⭐    | ⭐⭐⭐⭐⭐    | GPU 4 ГБ   | ✅      |
| **Qwen3-Embedding-8B** (LM Studio) | \~4096      | ⭐⭐⭐⭐⭐    | ⭐⭐⭐⭐     | GPU 8 ГБ   | ✅      |
| **multilingual-e5-large** (CPU)    | 1024        | ⭐⭐⭐⭐⭐    | ⭐⭐       | 4 ГБ RAM   | ✅      |
| **multilingual-e5-base** (CPU)     | 768         | ⭐⭐⭐⭐     | ⭐⭐⭐      | 2 ГБ RAM   | ✅      |
| **multilingual-e5-small** (CPU)    | 384         | ⭐⭐⭐      | ⭐⭐⭐⭐⭐    | 1 ГБ RAM   | ✅      |

{% hint style="info" %}
Для GPU-ускорения рекомендуется использовать **LM Studio**. Это самый простой способ получить высокую производительность без сложной настройки CUDA в Docker-контейнерах.
{% endhint %}

## Рекомендации по сценариям

### Сценарий 1: Есть NVIDIA GPU (4+ ГБ)

**Рекомендация: LM Studio + Qwen3-Embedding-4B**

```env
OPENAI_API_BASE=http://host.docker.internal:1234/v1
OPENAI_API_KEY=lm-studio
OPENAI_MODEL=Qwen3-Embedding-4B
```

Плюсы:

* Лучшее качество поиска
* Быстрая индексация (минуты)
* Отличная поддержка русского языка

### Сценарий 2: Есть NVIDIA GPU (8+ ГБ)

**Рекомендация: LM Studio + Qwen3-Embedding-8B**

```env
OPENAI_API_BASE=http://host.docker.internal:1234/v1
OPENAI_API_KEY=lm-studio
OPENAI_MODEL=Qwen3-Embedding-8B
```

Плюсы:

* Максимальное качество
* Ещё лучше понимает контекст

### Сценарий 3: Нет GPU, но есть время

**Рекомендация: CPU + multilingual-e5-base**

```env
EMBEDDING_MODEL=intfloat/multilingual-e5-base
```

Плюсы:

* Не требует GPU
* Хороший баланс качество/скорость
* Полностью офлайн

### Сценарий 4: Нет GPU, нужна скорость

**Рекомендация: CPU + multilingual-e5-small**

```env
EMBEDDING_MODEL=intfloat/multilingual-e5-small
```

Плюсы:

* Самая быстрая на CPU
* Минимальные требования
* Приемлемое качество

## Качество поиска

### Что влияет на качество

1. **Размерность вектора** — больше = точнее, но медленнее
2. **Обучение модели** — Qwen обучен на русском языке
3. **Квантизация** — Q8 лучше Q4

## Смена модели

{% hint style="warning" %}
При смене embedding модели требуется полная переиндексация всех данных.
{% endhint %}

### Процесс смены модели

1. Остановите контейнер
2. Измените переменные окружения
3. Установите `RESET_DATABASE=true`
4. Запустите контейнер
5. Дождитесь переиндексации
6. Измените `RESET_DATABASE=false` для следующих запусков

### Пример

```powershell
# Остановить контейнер
docker stop 1c_help_mcp

# Удалить старый контейнер
docker rm 1c_help_mcp

# Запустить с новой моделью и переиндексацией
docker run -d -p 8003:8003 `
  --name 1c_help_mcp `
  -e LICENSE_KEY=YOUR_LICENSE_KEY `
  -e RESET_DATABASE=true `
  -e OPENAI_API_BASE=http://host.docker.internal:1234/v1 `
  -e OPENAI_API_KEY=lm-studio `
  -e OPENAI_MODEL=Qwen3-Embedding-8B `
  -v "C:/Program Files/1cv8/8.3.23.1997/bin:/1c_docs" `
  -v "E:/bases/mcp_docs:/app/chroma_db" `
  comol/1c_help_mcp:latest
```

## Автоматическое определение размерности

MCP-серверы автоматически:

1. Тестируют embedding модель при запуске
2. Определяют размерность вектора
3. Сравнивают с существующим индексом
4. Пересоздают индекс если размерность изменилась

### Логи при смене модели

```
INFO - Testing embedding API with model: Qwen3-Embedding-8B
INFO - ✓ Embedding dimension: 4096
INFO - Found existing vector index with dimension: 2560
WARNING - ⚠️ DIMENSION MISMATCH DETECTED!
INFO - 🔄 Rebuilding vector index with correct dimensions...
INFO - ✓ Vector index created successfully!
```

## Итоговые рекомендации

| Ваша ситуация                          | Рекомендуемая модель           |
| -------------------------------------- | ------------------------------ |
| GPU 4+ ГБ, хотите лучшее качество      | LM Studio + Qwen3-Embedding-4B |
| GPU 8+ ГБ, нужно максимальное качество | LM Studio + Qwen3-Embedding-8B |
| Нет GPU, важно качество                | CPU + multilingual-e5-base     |
| Нет GPU, важна скорость                | CPU + multilingual-e5-small    |

{% hint style="warning" %}
**Для пользователей из России:** CPU-модели скачиваются с huggingface.co, который может быть заблокирован. Используйте VPN для первоначального скачивания или выберите LM Studio, где модели скачиваются через встроенный интерфейс приложения.
{% endhint %}


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.onerpa.ru/mcp-servery-1c/embedding-modeli/vybor-modeli.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.