Embeddings
MarkdownPerwakilan vektor teks untuk carian, RAG dan pengelompokan.
Panduan lengkap
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": ["Dokumen pertama", "Dokumen kedua"]}' emb = client.embeddings.create(
model="nvidia/nemotron-3-embed-1b",
input=["Dokumen pertama", "Dokumen kedua"],
)
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 }
}Pengesahan
- Authorizationheaderwajib
Kunci dalam bentuk
Bearer sk-…. Pengepala berikut juga boleh digunakanx-api-keyataux-goog-api-key.
Badan permintaan
- modelstringwajib
Model pembenaman:
nvidia/nemotron-3-embed-1b,nvidia/llama-nemotron-embed-vl-1b-v2. - inputstring | arraywajib
Rentetan atau tatasusunan rentetan. Panjang setiap input dihadkan oleh konteks model (bagi model NVIDIA — 4096 token).
- encoding_formatstringpilihan
float(secara lalai) ataubase64— jika disokong oleh model.
Respons
- data[].embeddingarray
Vektor nombor bagi setiap input, dalam susunan yang sama.
- usageobject
Bilangan token input. Output pembenaman tidak dicaj.
Masih ada soalan? Hantar Request ID dan penerangannya — kami akan membantu menyiasatnya.Hubungi sokongan