Embeddings
MarkdownVektorrepræsentationer af tekst til søgning, RAG og klyngedannelse.
Komplet guide
POST
https://api.ailoot.ai/v1/embeddingscurl 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"]}' emb = client.embeddings.create(
model="nvidia/nemotron-3-embed-1b",
input=["Første dokument", "Andet dokument"],
)
vectors = [d.embedding for d in emb.data]{
"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-keyellerx-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) ellerbase64— 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