docs
API

Embeddings

Markdown

Représentations vectorielles du texte pour la recherche, le RAG et le regroupement.

Guide complet
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": ["Premier document", "Deuxième document"]}' 
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 }
}

Autorisation

  • Authorizationheaderobligatoire

    Clé au format Bearer sk-…. Les en-têtes suivants conviennent aussi : x-api-key ou x-goog-api-key.

Corps de la requête

  • modelstringobligatoire

    Modèle d’embeddings : nvidia/nemotron-3-embed-1b, nvidia/llama-nemotron-embed-vl-1b-v2.

  • inputstring | arrayobligatoire

    Chaîne ou tableau de chaînes. La longueur de chaque entrée est limitée par le contexte du modèle (4096 jetons pour les modèles NVIDIA).

  • encoding_formatstringfacultatif

    float (par défaut) ou base64 — si le modèle le prend en charge.

Réponse

  • data[].embeddingarray

    Vecteur de nombres pour chaque entrée, dans le même ordre.

  • usageobject

    Nombre de jetons d’entrée. La sortie des embeddings n’est pas facturée.

Vous avez d’autres questions? Envoyez le Request ID et une description : nous vous aiderons à comprendre.Contacter le soutien