Playground

Run the KURE models yourself. Compare embedding similarity, sparse term weights, and reranker relevance on the same examples.

Without signing in you get 20 runs per hour; signing in raises it to 200.

Query

Results

Dims

Precomputed result. Edit anything to run it live.

1
Answer
고려대학교는 서울특별시 성북구 안암로 145에 캠퍼스를 두고 있다.
0.596
2
Partial answer
고려대학교 세종캠퍼스는 세종특별자치시 조치원읍에 있다.
0.436
3
Similar topic
연세대학교는 서울특별시 서대문구 신촌동에 위치한 사립 대학이다.
0.360
4
Keyword trap
고려는 918년 왕건이 세운 왕조로, 수도는 개경이었다.
0.233
5
Unrelated
대학 입시에서 수시 모집 원서 접수는 보통 9월에 진행된다.
0.051

Does the ranking hold with fewer dimensions?

Trained with MRL, so you can keep only the leading dimensions and cut storage up to 8x.

Document	256	512	1024	2048
1. 고려대학교는 서울특별시 성북구 안암로 145에 캠퍼스를 두고 있다.	#1	#1	#1	#1
2. 고려대학교 세종캠퍼스는 세종특별자치시 조치원읍에 있다.	#2	#2	#2	#2
3. 연세대학교는 서울특별시 서대문구 신촌동에 위치한 사립 대학이다.	#3	#3	#3	#3
4. 고려는 918년 왕건이 세운 왕조로, 수도는 개경이었다.	#4	#4	#4	#4
5. 대학 입시에서 수시 모집 원서 접수는 보통 9월에 진행된다.	#5	#5	#5	#5

Cosine similarity. Queries and documents are embedded with the query/passage prefixes.

Run it in code

Create a key in the dashboard and pass it as the KURE_API_KEY environment variable.

Get an API key

import os
from openai import OpenAI

client = OpenAI(base_url="https://kure.kullm.ai/api/v1", api_key=os.environ["KURE_API_KEY"])

q = client.embeddings.create(model="kure-v3", input="고려대학교는 어디에 있나요?",
                             dimensions=2048, extra_body={"input_type": "query"})
docs = [
    "고려대학교는 서울특별시 성북구 안암로 145에 캠퍼스를 두고 있다.",
    "고려대학교 세종캠퍼스는 세종특별자치시 조치원읍에 있다.",
    "연세대학교는 서울특별시 서대문구 신촌동에 위치한 사립 대학이다.",
    "고려는 918년 왕건이 세운 왕조로, 수도는 개경이었다.",
    "대학 입시에서 수시 모집 원서 접수는 보통 9월에 진행된다.",
]
d = client.embeddings.create(model="kure-v3", input=docs,
                             dimensions=2048, extra_body={"input_type": "document"})

Playground

Results

Does the ranking hold with fewer dimensions?

Run it in code

Download embeddings

Mini search