docs
API

Embeddings

Markdown

Vectorrepresentaties van tekst voor zoeken, RAG en clustering.

Volledige gids
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": ["Eerste document", "Tweede document"]}' 
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 }
}

Authenticatie

  • Authorizationheaderverplicht

    Sleutel in de vorm Bearer sk-…. Ook deze headers worden ondersteund: x-api-key of x-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) of base64 — 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