Embeddings
MarkdownVectorrepresentaties van tekst voor zoeken, RAG en clustering.
Volledige gids
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": ["Eerste document", "Tweede document"]}' emb = client.embeddings.create(
model="nvidia/nemotron-3-embed-1b",
input=["Eerste document", "Tweede document"],
)
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 }
}Authenticatie
- Authorizationheaderverplicht
Sleutel in de vorm
Bearer sk-…. Ook deze headers worden ondersteund:x-api-keyofx-goog-api-key.
Verzoekbody
- modelstringverplicht
Embeddingmodel:
nvidia/nemotron-3-embed-1b,nvidia/llama-nemotron-embed-vl-1b-v2. - inputstring | arrayverplicht
Een string of een array van strings. De lengte van één invoer wordt begrensd door de modelcontext (bij NVIDIA-modellen: 4096 tokens).
- encoding_formatstringoptioneel
float(standaard) ofbase64— als het model dit ondersteunt.
Antwoord
- data[].embeddingarray
Een vector van getallen voor elke invoer, in dezelfde volgorde.
- usageobject
Aantal invoertokens. Voor de output van embeddings worden geen kosten gerekend.
Nog vragen? Stuur de Request ID en een beschrijving — we helpen je verder.Contact opnemen met support