Embeddings
MarkdownVektorrepresentasjoner av tekst for søk, RAG og klyngedannelse.
Fullstendig guide
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": ["Første dokument", "Andre dokument"]}' emb = client.embeddings.create(
model="nvidia/nemotron-3-embed-1b",
input=["Første dokument", "Andre dokument"],
)
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 }
}Autentisering
- Authorizationheaderpåkrevd
Nøkkel i formatet
Bearer sk-…. Du kan også bruke headernex-api-keyellerx-goog-api-key.
Forespørselskropp
- modelstringpåkrevd
Embedding-modell:
nvidia/nemotron-3-embed-1b,nvidia/llama-nemotron-embed-vl-1b-v2. - inputstring | arraypåkrevd
En streng eller en liste med strenger. Lengden på hver inndatastreng begrenses av modellens kontekstvindu (4096 tokener for NVIDIA-modeller).
- encoding_formatstringvalgfri
float(standard) ellerbase64— hvis modellen støtter det.
Svar
- data[].embeddingarray
En tallvektor for hvert inndataelement, i samme rekkefølge.
- usageobject
Antall inndatatokener. Utdata fra embeddings belastes ikke.
Flere spørsmål? Send Request ID og en beskrivelse, så hjelper vi deg.Kontakt brukerstøtte