Elasticsearch Service 原子服务概览

原子服务是构成智能搜索链路的基石。腾讯云 ES 将复杂的 AI 搜索能力拆解为一系列独立、可复用的标准化组件，涵盖从非结构化数据解析、语义向量化到大模型推理及召回排序的完整环节。在接下来的章节中，我们将详细展示平台所提供的核心原子服务能力。您可以通过灵活组合这些服务，构建出符合业务需求的定制化 AI 应用。
前置条件
原子服务开通说明：
原子服务开通后才支持接口调用，请及时前往 控制台 开通服务，原子服务开通后将获得 100 次免费体验额度，超出后自动开启后付费模式。
﻿
原子服务列表
目前智能搜索开发提供以下类型的原子服务，调用方式请参见 原子服务调用指引。每个模型服务都有默认限频，如有更多需求，请 联系我们。
类型
描述
服务
默认限频（QPS）
说明
文档解析
本服务可将 PDF、DOC、PPT、XLS、HTML、TXT、PNG 等多格式文档转换为标准格式，满足企业级知识库建设、技术文档迁移、内容平台结构化存储等需求。
doc-llm
5
腾讯优图实验室推出的精品 OCR 大模型，覆盖论文、书籍、说明书、试卷、PPT、海报等众多场景，可满足各行业的文档处理需求。
文本切片
文本切片是将长文本分割为短片段的技术，用于适配模型输入、提升处理效率或信息检索，平衡片段长度与语义连贯性，适用于 NLP、数据分析等场景，本服务支持语义切分。
doc-chunk
100
基于分隔符、文本长度进行切片，适用规则性较强的文本，仅支持 Markdown 与 TXT 格式文件输入。
﻿
﻿
doc-tree-chunk
5
腾讯自研文档拆分模型，支持多种文件类型，能够解析并深入理解图表中的信息，语义切分成文本块。
查询分析
承担搜索链路入口的认知决策，通过意图识别精准路由下游交互模式，多轮改写消除上下文指代歧义，搜索改写将复杂问题拆解为多路并行子查询，该模块能有效提升数据检索的准召率。
youtu-intent
2
腾讯优图自研，支持多语言，最大 1600 token，支持自定义意图标签识别，负责判定用户请求的交互类型，区分是信息查询、任务执行还是闲聊等，决定后续的链路走向。
﻿
﻿
ima-rewrite
3
腾讯 ima 自研，支持中英文，最大 8000 token，将用户原始提问智能拆解为多个语义独立、面向不同检索维度的子查询，通过并行或递进检索全面覆盖信息需求。
﻿
﻿
ima-rewrite-multiround
2
腾讯 ima 自研，支持中英文，最大 8000 token，针对对话式搜索设计，解决指代消解与上下文关联问题，结合历史会话，消除语义歧义，确保每一轮交互建立在连贯的上下文逻辑之上。
Embedding
将文本、图片等多模态数据转化为稠密或稀疏的向量形式的服务，支持多款不同语言、输入长度、维度的文本向量模型，可用于信息检索、分类和相似性比较等场景。
﻿bge-base-zh-v1.5﻿
20
768 维，最大 512 token
经典轻量级中文 Embedding 模型，适合资源有限、轻量级 RAG。
﻿
﻿
﻿bge-large-zh-v1.5﻿
20
1024 维，最大 512 token
经典轻量级中文 Embedding 模型，适合资源有限、轻量级 RAG。
﻿
﻿
﻿KaLM-embedding-multilingual-mini-v1﻿
20
896 维，最大 131072 token
微信自研多语言模型，支持多语言。
﻿
﻿
﻿bge-m3﻿
20
1024 维，最大 8194 token
经典 BGE Embedding 模型，支持 100+ 语言，适合多语言检索场景。
﻿
﻿
﻿Conan-embedding-v1﻿
20
1792 维，最大 512 token
腾讯内部自研，曾登顶中文 CMTEB 榜单，适合高精度中文检索。
﻿
﻿
WeCLIPv2-Base
10
768维，最大 72 token
微信自研图文 Embedding 模型，在中文场景下表现优秀，适合文搜图、图搜图等场景
﻿
﻿
WeCLIPv2-Large
10
﻿
重排序
在 RAG 场景中，可通过 RAG 排序服务找到相关性更高的内容，引入排序服务可有效提升检索和大模型生成准确率，同时减少大模型成本。
﻿bge-reranker-large﻿
20
单个 doc 最大 514 token
经典 BGE 重排序模型，通过交叉编码提升 Top-K 结果相关性，支持中文、英文，适合检索结果精排后进行问答。
﻿
﻿
﻿bge-reranker-v2-m3﻿
20
单个 doc 最大 8192 token
升级版 BGE 重排模型，有更大的文本长度，同时支持多语言。
﻿
﻿
ima-post-rerank
5
单个 doc 最大 4000 token
腾讯 ima 自研，支持中文、英文，基于 LLM 将用户 query 与一组候选文档进行相关性打分，返回每个文档的得分（0-4分），用于检索结果重排。
大模型生成
本服务支持一系列高性能的大语言模型，包括 DeepSeek 系列和自主研发的混元大模型，通过深度优化和精确训练，目前已具备强大的自然语言处理能力和高效的文本理解能力，结合混合搜索等先进搜索技术，快速高效实现 RAG，有效解决幻觉和知识更新问题。
﻿deepseek-r1﻿
5
最大输入 128k，最大输出 8k
擅长复杂需求拆解、技术方案直译，提供精准结构化分析及可落地方案，实现了与 GPT-4o 和 Claude Sonnet 3.5等模型相媲美的性能。
﻿
﻿
﻿deepseek-v3（v3.2）﻿
5
最大输入 128k，最大输出 8k
通用型 AI 模型，拥有庞大参数规模及强大多任务泛化能力，擅长开放域对话、知识问答、创意生成等多样化需求。
﻿
﻿
﻿deepseek-r1-distill-qwen-32b﻿
5
最大输入 128k，最大输出 8k
deepseek-r1 32b 参数蒸馏模型，使用成本更低，性价比较高。
﻿
﻿
hunyuan-turbo
5
最大输入 28k，最大输出 4k
腾讯新一代旗舰大模型，混元 Turbo 模型，在语言理解、文本创作、数学、推理和代码等领域都有较大提升，具备强大的知识问答能力。
﻿
﻿
hunyuan-large
5
最大输入 28k，最大输出 4k
腾讯开发的开源业界参数规模最大、效果最好的 transformer 结构的 MoE 模型，适用对模型效果、复杂指令有较高的要求的场景。
﻿
﻿
hunyuan-large-longcontext
5
最大输入 128k，最大输出 6k
擅长处理长文任务如文档摘要和文档问答等，同时也具备处理通用文本生成任务的能力。在长文本的分析和生成上表现优异，能有效应对复杂和详尽的长文内容处理需求。
﻿
﻿
hunyuan-standard
5
最大输入 30k，最大输出 2k
在通用效果提升的基础上，训练数据中融合了医疗、金融领域的长文数据、长文翻译数据和长文多文档问答等高质量精标数据。
﻿
﻿
hunyuan-standard-256K
5
最大输入 250k，最大输出 6k
256k 极长窗口特化版，复用7B-MoE 框架压缩显存占用，支持百页文献级处理，适用绝大部分场景，同时兼顾效果及推理性能。

类型	描述	服务	默认限频（QPS）	说明
文档解析	本服务可将 PDF、DOC、PPT、XLS、HTML、TXT、PNG 等多格式文档转换为标准格式，满足企业级知识库建设、技术文档迁移、内容平台结构化存储等需求。	doc-llm	5	腾讯优图实验室推出的精品 OCR 大模型，覆盖论文、书籍、说明书、试卷、PPT、海报等众多场景，可满足各行业的文档处理需求。
文本切片	文本切片是将长文本分割为短片段的技术，用于适配模型输入、提升处理效率或信息检索，平衡片段长度与语义连贯性，适用于 NLP、数据分析等场景，本服务支持语义切分。	doc-chunk	100	基于分隔符、文本长度进行切片，适用规则性较强的文本，仅支持 Markdown 与 TXT 格式文件输入。
文本切片				doc-tree-chunk	5	腾讯自研文档拆分模型，支持多种文件类型，能够解析并深入理解图表中的信息，语义切分成文本块。
查询分析	承担搜索链路入口的认知决策，通过意图识别精准路由下游交互模式，多轮改写消除上下文指代歧义，搜索改写将复杂问题拆解为多路并行子查询，该模块能有效提升数据检索的准召率。	youtu-intent	2	腾讯优图自研，支持多语言，最大 1600 token，支持自定义意图标签识别，负责判定用户请求的交互类型，区分是信息查询、任务执行还是闲聊等，决定后续的链路走向。
				ima-rewrite	3	腾讯 ima 自研，支持中英文，最大 8000 token，将用户原始提问智能拆解为多个语义独立、面向不同检索维度的子查询，通过并行或递进检索全面覆盖信息需求。
				ima-rewrite-multiround	2	腾讯 ima 自研，支持中英文，最大 8000 token，针对对话式搜索设计，解决指代消解与上下文关联问题，结合历史会话，消除语义歧义，确保每一轮交互建立在连贯的上下文逻辑之上。
Embedding	将文本、图片等多模态数据转化为稠密或稀疏的向量形式的服务，支持多款不同语言、输入长度、维度的文本向量模型，可用于信息检索、分类和相似性比较等场景。	bge-base-zh-v1.5	20	768 维，最大 512 token 经典轻量级中文 Embedding 模型，适合资源有限、轻量级 RAG。
				bge-large-zh-v1.5	20	1024 维，最大 512 token 经典轻量级中文 Embedding 模型，适合资源有限、轻量级 RAG。
				KaLM-embedding-multilingual-mini-v1	20	896 维，最大 131072 token 微信自研多语言模型，支持多语言。
				bge-m3	20	1024 维，最大 8194 token 经典 BGE Embedding 模型，支持 100+ 语言，适合多语言检索场景。
				Conan-embedding-v1	20	1792 维，最大 512 token 腾讯内部自研，曾登顶中文 CMTEB 榜单，适合高精度中文检索。
				WeCLIPv2-Base	10	768维，最大 72 token 微信自研图文 Embedding 模型，在中文场景下表现优秀，适合文搜图、图搜图等场景
				WeCLIPv2-Large	10
重排序	在 RAG 场景中，可通过 RAG 排序服务找到相关性更高的内容，引入排序服务可有效提升检索和大模型生成准确率，同时减少大模型成本。	bge-reranker-large	20	单个 doc 最大 514 token 经典 BGE 重排序模型，通过交叉编码提升 Top-K 结果相关性，支持中文、英文，适合检索结果精排后进行问答。
				bge-reranker-v2-m3	20	单个 doc 最大 8192 token 升级版 BGE 重排模型，有更大的文本长度，同时支持多语言。
				ima-post-rerank	5	单个 doc 最大 4000 token 腾讯 ima 自研，支持中文、英文，基于 LLM 将用户 query 与一组候选文档进行相关性打分，返回每个文档的得分（0-4分），用于检索结果重排。
大模型生成	本服务支持一系列高性能的大语言模型，包括 DeepSeek 系列和自主研发的混元大模型，通过深度优化和精确训练，目前已具备强大的自然语言处理能力和高效的文本理解能力，结合混合搜索等先进搜索技术，快速高效实现 RAG，有效解决幻觉和知识更新问题。	deepseek-r1	5	最大输入 128k，最大输出 8k 擅长复杂需求拆解、技术方案直译，提供精准结构化分析及可落地方案，实现了与 GPT-4o 和 Claude Sonnet 3.5等模型相媲美的性能。
				deepseek-v3（v3.2）	5	最大输入 128k，最大输出 8k 通用型 AI 模型，拥有庞大参数规模及强大多任务泛化能力，擅长开放域对话、知识问答、创意生成等多样化需求。
				deepseek-r1-distill-qwen-32b	5	最大输入 128k，最大输出 8k deepseek-r1 32b 参数蒸馏模型，使用成本更低，性价比较高。
				hunyuan-turbo	5	最大输入 28k，最大输出 4k 腾讯新一代旗舰大模型，混元 Turbo 模型，在语言理解、文本创作、数学、推理和代码等领域都有较大提升，具备强大的知识问答能力。
				hunyuan-large	5	最大输入 28k，最大输出 4k 腾讯开发的开源业界参数规模最大、效果最好的 transformer 结构的 MoE 模型，适用对模型效果、复杂指令有较高的要求的场景。
				hunyuan-large-longcontext	5	最大输入 128k，最大输出 6k 擅长处理长文任务如文档摘要和文档问答等，同时也具备处理通用文本生成任务的能力。在长文本的分析和生成上表现优异，能有效应对复杂和详尽的长文内容处理需求。
				hunyuan-standard	5	最大输入 30k，最大输出 2k 在通用效果提升的基础上，训练数据中融合了医疗、金融领域的长文数据、长文翻译数据和长文多文档问答等高质量精标数据。
				hunyuan-standard-256K	5	最大输入 250k，最大输出 6k 256k 极长窗口特化版，复用7B-MoE 框架压缩显存占用，支持百页文献级处理，适用绝大部分场景，同时兼顾效果及推理性能。

原子服务概览

本页目录：

前置条件

原子服务列表