dokumentation
API

Embeddings

Markdown

Vektorrepræsentationer af tekst til søgning, RAG og klyngedannelse.

Komplet guide
POSThttps://api.ailoot.ai/v1/embeddings
Embeddings
curl https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "nvidia/nemotron-3-embed-1b", "input": ["Første dokument", "Andet dokument"]}' 
200 OK
{
  "object": "list",
  "data": [
    { "object": "embedding", "index": 0, "embedding": [0.0123, -0.0456, 0.0789, …] },
    { "object": "embedding", "index": 1, "embedding": [-0.0321, 0.0654, 0.0987, …] }
  ],
  "model": "nvidia/nemotron-3-embed-1b",
  "usage": { "prompt_tokens": 8, "total_tokens": 8 }
}

Godkendelse

  • Authorizationheaderpåkrævet

    Nøgle i formatet Bearer sk-…. Følgende headers kan også bruges: x-api-key eller x-goog-api-key.

Anmodningens indhold

  • modelstringpåkrævet

    Embeddingmodel: nvidia/nemotron-3-embed-1b, nvidia/llama-nemotron-embed-vl-1b-v2.

  • inputstring | arraypåkrævet

    En streng eller en liste af strenge. Længden af hvert input er begrænset af modellens kontekst (4096 tokens for NVIDIA-modeller).

  • encoding_formatstringvalgfrit

    float (som standard) eller base64 — hvis modellen understøtter det.

Svar

  • data[].embeddingarray

    En vektor af tal for hvert input i samme rækkefølge.

  • usageobject

    Antal inputtokens. Output fra embeddings betales ikke.

Har du stadig spørgsmål? Send Request ID og en beskrivelse — så hjælper vi med at finde ud af det.Kontakt support