Embeddings
MarkdownRepresentações vetoriais de texto para pesquisa, RAG e agrupamento.
Guia completo
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": ["Primeiro documento", "Segundo documento"]}' emb = client.embeddings.create(
model="nvidia/nemotron-3-embed-1b",
input=["Primeiro documento", "Segundo documento"],
)
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 }
}Autorização
- Authorizationheaderobrigatório
Chave no formato
Bearer sk-…. Também são aceites os cabeçalhosx-api-keyoux-goog-api-key.
Corpo do pedido
- modelstringobrigatório
Modelo de embeddings:
nvidia/nemotron-3-embed-1b,nvidia/llama-nemotron-embed-vl-1b-v2. - inputstring | arrayobrigatório
Cadeia de caracteres ou array de cadeias de caracteres. O comprimento de cada entrada está limitado pelo contexto do modelo (nos modelos NVIDIA — 4096 tokens).
- encoding_formatstringopcional
float(por predefinição) oubase64— se o modelo o suportar.
Resposta
- data[].embeddingarray
Vetor numérico para cada entrada, pela mesma ordem.
- usageobject
Número de tokens de entrada. A saída dos embeddings não é cobrada.
Ainda tem dúvidas? Envie o Request ID e uma descrição — ajudamos a esclarecer.Contactar o suporte