文件
API

嵌入向量

Markdown

用於搜尋、RAG與分群的文字向量表示。

完整指南
POSThttps://api.ailoot.ai/v1/embeddings
嵌入向量
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": ["第一份文件", "第二份文件"]}' 
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 }
}

身分驗證

  • Authorizationheader必填

    金鑰格式為Bearer sk-…。也可使用標頭x-api-key或x-goog-api-key。

請求本文

  • modelstring必填

    嵌入向量模型:nvidia/nemotron-3-embed-1b,nvidia/llama-nemotron-embed-vl-1b-v2。

  • inputstring | array必填

    字串或字串陣列。單一輸入的長度受模型上下文限制 (NVIDIA 模型為 4096 個 token)。

  • encoding_formatstring選填

    float (預設) 或base64 —模型支援時才可使用。

回應

  • data[].embeddingarray

    每個輸入各有一個數值向量,順序與輸入相同。

  • usageobject

    輸入 token 數。嵌入向量的輸出不收費。

還有疑問嗎?請提供 Request ID與問題描述,我們會協助釐清。聯絡支援