dokumentacja
API

Embeddings

Markdown

Wektorowe reprezentacje tekstu do wyszukiwania, RAG i klasteryzacji.

Pełny przewodnik
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": ["Pierwszy dokument", "Drugi dokument"]}' 
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 }
}

Autoryzacja

  • Authorizationheaderwymagany

    Klucz w postaci Bearer sk-…. Można też użyć nagłówków x-api-key lub x-goog-api-key.

Treść żądania

  • modelstringwymagany

    Model embeddingów: nvidia/nemotron-3-embed-1b, nvidia/llama-nemotron-embed-vl-1b-v2.

  • inputstring | arraywymagany

    Ciąg znaków lub tablica ciągów znaków. Długość pojedynczego wejścia jest ograniczona kontekstem modelu (w modelach NVIDIA — 4096 tokenów).

  • encoding_formatstringopcjonalny

    float (domyślnie) lub base64 — jeśli model obsługuje.

Odpowiedź

  • data[].embeddingarray

    Wektor liczb dla każdego wejścia, w tej samej kolejności.

  • usageobject

    Liczba tokenów wejściowych. Za wyjście embeddingów nie pobiera się opłaty.

Dodatkowe pytania? Prześlij Request ID i opis — pomożemy wyjaśnić sprawę.Napisz do wsparcia