Embeddings
MarkdownVektorrepresentationer av text för sökning, RAG och klustring.
Fullständig 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": ["Första dokumentet", "Andra dokumentet"]}' emb = client.embeddings.create(
model="nvidia/nemotron-3-embed-1b",
input=["Första dokumentet", "Andra dokumentet"],
)
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
- Authorizationheaderobligatoriskt
Nyckel i formatet
Bearer sk-…. Även följande headers kan användasx-api-keyellerx-goog-api-key.
Anropskropp
- modelstringobligatoriskt
Embedding-modell:
nvidia/nemotron-3-embed-1b,nvidia/llama-nemotron-embed-vl-1b-v2. - inputstring | arrayobligatoriskt
En sträng eller en array av strängar. Längden på varje indatasträng begränsas av modellens kontextfönster (4096 token för NVIDIA-modeller).
- encoding_formatstringvalfritt
float(standard) ellerbase64— om modellen stöder det.
Svar
- data[].embeddingarray
En talvektor för varje indataelement, i samma ordning.
- usageobject
Antal indatatoken. Utdata från embeddings debiteras inte.
Har du fler frågor? Skicka Request ID och en beskrivning, så hjälper vi dig.Kontakta supporten