Embeddings
MarkdownTekstin vektoriesitykset hakuun, RAGiin ja klusterointiin.
Koko opas
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": ["Ensimmäinen asiakirja", "Toinen asiakirja"]}' emb = client.embeddings.create(
model="nvidia/nemotron-3-embed-1b",
input=["Ensimmäinen asiakirja", "Toinen asiakirja"],
)
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 }
}Todennus
- Authorizationheaderpakollinen
Avain muodossa
Bearer sk-…. Myös seuraavat otsakkeet käyvät:x-api-keytaix-goog-api-key.
Pyynnön runko
- modelstringpakollinen
Vektoriesitysmalli:
nvidia/nemotron-3-embed-1b,nvidia/llama-nemotron-embed-vl-1b-v2. - inputstring | arraypakollinen
Merkkijono tai merkkijonotaulukko. Yhden syötteen pituutta rajoittaa mallin konteksti (NVIDIA-malleilla 4096 tokenia).
- encoding_formatstringvalinnainen
float(oletus) taibase64— jos malli tukee sitä.
Vastaus
- data[].embeddingarray
Lukuvektori kullekin syötteelle samassa järjestyksessä.
- usageobject
Syötetokenien määrä. Vektoriesitysten tulosteesta ei veloiteta.
Onko vielä kysyttävää? Lähetä Request ID ja kuvaus — autamme selvittämään asian.Ota yhteyttä tukeen