Source: https://ailoot.ai/docs/ko/api/embeddings/
Canonical: https://ailoot.ai/docs/ko/api/embeddings/
Language: ko

[API](https://ailoot.ai/docs/ko/) 

# Embeddings

[Markdown](https://ailoot.ai/docs/ko/api/embeddings/index.md)

검색, RAG, 클러스터링을 위한 텍스트 벡터 표현입니다.

POST`https://api.ailoot.ai/v1/embeddings`

Embeddings

```bash
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"]}' 
```

```python
emb = client.embeddings.create(
    model="nvidia/nemotron-3-embed-1b",
    input=["첫 번째 문서", "두 번째 문서"],
)
vectors = [d.embedding for d in emb.data]
```

200 OK

```json
{
  "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

| 매개변수 | 유형 | 필수 | 설명 |
| --- | --- | --- | --- |
| `Authorization` | header | 필수 | 키 형식: `Bearer sk-…`. 다음 헤더도 사용할 수 있습니다: `x-api-key` 또는 `x-goog-api-key`. |

## 요청 본문

| 매개변수 | 유형 | 필수 | 설명 |
| --- | --- | --- | --- |
| `model` | string | 필수 | 임베딩 모델: `nvidia/nemotron-3-embed-1b`, `nvidia/llama-nemotron-embed-vl-1b-v2`. |
| `input` | string \| array | 필수 | 문자열 또는 문자열 배열입니다. 각 입력의 길이는 모델 컨텍스트로 제한됩니다(NVIDIA 모델은 4096토큰). |
| `encoding_format` | string | 선택 사항 | `float` (기본값) 또는 `base64` — 모델이 지원하는 경우. |

## 응답

| 매개변수 | 유형 | 필수 | 설명 |
| --- | --- | --- | --- |
| `data[].embedding` | array |  | 각 입력의 숫자 벡터이며 입력 순서와 같습니다. |
| `usage` | object |  | 입력 토큰 수입니다. 임베딩 출력은 과금하지 않습니다. |

궁금한 점이 남았나요? Request ID와 설명을 보내 주시면 해결을 도와드리겠습니다.[지원팀에 문의](mailto:support@ailoot.ai)

## Ailoot · 회사와 그 프로젝트 포트폴리오





Ailoot는 축적된 운영 경험, 폭넓은 고객 기반, 안정적인 서비스, 지속적인 KPI 관리를 바탕으로 합니다.





회사와 그 프로젝트 포트폴리오: 수백만 고객, 매월 수십억 규모의 매출.





Ailoot는 이러한 운영 경험을 고객의 제품, 에이전트, 애플리케이션, 자동화에서 AI 기능을 이용할 수 있는 API 접근에 활용합니다.