dokumentasi
API

Embeddings

Markdown

Perwakilan vektor teks untuk carian, RAG dan pengelompokan.

Panduan lengkap
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": ["Dokumen pertama", "Dokumen kedua"]}' 
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 }
}

Pengesahan

  • Authorizationheaderwajib

    Kunci dalam bentuk Bearer sk-…. Pengepala berikut juga boleh digunakan x-api-key atau x-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) atau base64 — 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