문서
API

Embeddings

Markdown

검색, RAG, 클러스터링을 위한 텍스트 벡터 표현입니다.

전체 가이드
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": ["첫 번째 문서", "두 번째 문서"]}' 
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 }
}

인증

  • Authorizationheader필수

    키 형식: Bearer sk-…. 다음 헤더도 사용할 수 있습니다: x-api-key 또는 x-goog-api-key.

요청 본문

  • modelstring필수

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

  • inputstring | array필수

    문자열 또는 문자열 배열입니다. 각 입력의 길이는 모델 컨텍스트로 제한됩니다(NVIDIA 모델은 4096토큰).

  • encoding_formatstring선택 사항

    float (기본값) 또는 base64 — 모델이 지원하는 경우.

응답

  • data[].embeddingarray

    각 입력의 숫자 벡터이며 입력 순서와 같습니다.

  • usageobject

    입력 토큰 수입니다. 임베딩 출력은 과금하지 않습니다.

궁금한 점이 남았나요? Request ID와 설명을 보내 주시면 해결을 도와드리겠습니다.지원팀에 문의