{
  "aboutHtml": "<p>LFM2.5-Embedding-350M هو مُرمِّز مزدوج كثيف (bi-encoder) من LiquidAI للاسترجاع متعدد اللغات وعبر اللغات. ينتج متجهًا واحدًا ذا 1024 بُعدًا لكل نص، ويستهدف البحث بسياق قصير عبر إحدى عشرة لغة. تستخدم عائلة النموذج المسماة 350M تكييفًا ثنائي الاتجاه من LFM2.5-350M-Base؛ ويذكر جدول النموذج التفصيلي نحو 354 مليون معلمة لهذا الإصدار من التضمين.</p><h4>تمثيل استرجاع ثنائي الاتجاه</h4><p>تكيّف الشركة البنية الأساسية بحيث يستطيع الانتباه والالتفافات المحلية استخدام السياق على جانبَي الرمز. يحوّل التجميع بأسلوب CLS النص المعالَج إلى متجه كثيف واحد. يصف جدول النموذج سبع عشرة طبقة: عشر كتل التفاف وست كتل انتباه ومرحلة تجميع. هذا مُرمِّز استرجاع بإعداده وإخراجه الخاصين، وليس مهمة توليد النص في النموذج الأساسي.</p><p>يحتفظ LFM2.5-ColBERT-350M ذو الاسم المنفصل بمتجهات لكل رمز للتفاعل المتأخر. ويتطلب هذا التمثيل فهرسًا وطريقة مقارنة مختلفين. يقدّم نموذج Embedding هنا متجهًا واحدًا لكل مستند أو استعلام، مع تشابه جيب التمام كطريقة مقارنة موثّقة.</p><h4>استخدم الموجّهات غير المتماثلة الصحيحة</h4><p>جهّز استعلامات البحث بالبادئة “query:” والمقاطع المصدرية بالبادئة “document:”. تخزّن الشركة هذه الموجّهات في إعداداتها، ويطبّق مسارها المرجعي اسم الموجّه المطابق. وهي توصي تحديدًا باستخدام الدور المقابل لكل جانب، لأن النموذج دُرّب بهذه البادئات. تختلف بادئة المستند هذه عن اصطلاح “passage:” في نماذج E5.</p><p>يمكن لمجموعة عملية للبحث عن المنتجات حفظ أوصاف باللغات المدعومة. جهّز عبارة بحث المستخدم كاستعلام، وكل وصف منتج كمستند. خزّن النص الأصلي ومعرّف المنتج ولغته مع المتجه، لتتمكن نتيجة البحث من إعادة السجل المقابل. ولمجموعة دعم، احتفظ بالسياسة أو التعليمة المرتبطة بالسؤال، بدلًا من استبدالها بتسمية قصيرة غير مرتبطة.</p><h4>اللغات وحجم المقاطع</h4><p>مجموعة اللغات الموثّقة هي الإنجليزية والإسبانية والألمانية والفرنسية والإيطالية والبرتغالية والعربية والسويدية والنرويجية واليابانية والكورية. تستهدف الشركة صراحةً الاسترجاع داخل اللغة وعبر حدود اللغات. جهّز أسئلة حقيقية من الجمهور المقصود وافحص نص المستند المُرجع بتلك اللغات.</p><p>مواصفة طول المستند هي 512 رمزًا. قسّم المصدر الطويل إلى مقاطع مترابطة تحافظ على العنوان والتعريفات والشروط اللازمة لنتيجة مسترجعة. تنتمي بادئة الدور والسياق المضاف إلى الإدخال المجهّز. وتُعد إجابة سؤال شائع أو شرح منتج أو قسم مركّز من مستند تقني وحدةً أنسب من دليل كامل زائد الحجم.</p><h4>التدريب والمطابقة</h4><p>يصف المنتج ثلاث مراحل تدريب: تدريبًا مسبقًا تباينيًا بالإنجليزية، وتقطيرًا متعدد اللغات وعابرًا للغات، ثم ضبطًا دقيقًا بأمثلة سلبية صعبة مستخرجة بالتنقيب. يستهدف النموذج الناتج كتالوجات المنتجات ومجموعات الأسئلة الشائعة والدعم والبحث في الملفات أو الملاحظات واسترجاع المعرفة المؤسسية. هذه مهام للتمثيلات النصية، وليست ادعاءات عن نشر تطبيق معين.</p><p>يطبّع مثال المنتج متجهات الاستعلام والمستند، ويرتّبها باستخدام الجداء النقطي، المكافئ لتشابه جيب التمام. احسب تمثيلات المجموعة مسبقًا عند إعداد المادة المصدرية، ثم ضمّن استعلام بحث وأعد المستندات المرشحة مع نصوصها ومعرّفاتها. احتفظ بالنموذج المختار واصطلاح الأدوار مع الفهرس، حتى تستخدم المقارنة العددية تمثيلات متوافقة.</p><p>النتيجة المفيدة فهرس بحث كثيف مدمج، أو متجه استعلام يسترجع مادة مصدرية عبر مجموعة اللغات الموثّقة. يبقى إصدار LFM2.5 Embedding المحدد هذا منفصلًا عن نظيره ColBERT ومسترجعات LFM2 الأقدم والتنفيذات المكمّمة خارجيًا. نص المقطع المختار هو الدليل الذي يستخدمه القارئ أو مرحلة إجابة RAG لاحقة.</p>",
  "aboutText": "LFM2.5-Embedding-350M هو مُرمِّز مزدوج كثيف (bi-encoder) من LiquidAI للاسترجاع متعدد اللغات وعبر اللغات. ينتج متجهًا واحدًا ذا 1024 بُعدًا لكل نص، ويستهدف البحث بسياق قصير عبر إحدى عشرة لغة. تستخدم عائلة النموذج المسماة 350M تكييفًا ثنائي الاتجاه من LFM2.5-350M-Base؛ ويذكر جدول النموذج التفصيلي نحو 354 مليون معلمة لهذا الإصدار من التضمين.\n\n### تمثيل استرجاع ثنائي الاتجاه\n\nتكيّف الشركة البنية الأساسية بحيث يستطيع الانتباه والالتفافات المحلية استخدام السياق على جانبَي الرمز. يحوّل التجميع بأسلوب CLS النص المعالَج إلى متجه كثيف واحد. يصف جدول النموذج سبع عشرة طبقة: عشر كتل التفاف وست كتل انتباه ومرحلة تجميع. هذا مُرمِّز استرجاع بإعداده وإخراجه الخاصين، وليس مهمة توليد النص في النموذج الأساسي.\n\nيحتفظ LFM2.5-ColBERT-350M ذو الاسم المنفصل بمتجهات لكل رمز للتفاعل المتأخر. ويتطلب هذا التمثيل فهرسًا وطريقة مقارنة مختلفين. يقدّم نموذج Embedding هنا متجهًا واحدًا لكل مستند أو استعلام، مع تشابه جيب التمام كطريقة مقارنة موثّقة.\n\n### استخدم الموجّهات غير المتماثلة الصحيحة\n\nجهّز استعلامات البحث بالبادئة “query:” والمقاطع المصدرية بالبادئة “document:”. تخزّن الشركة هذه الموجّهات في إعداداتها، ويطبّق مسارها المرجعي اسم الموجّه المطابق. وهي توصي تحديدًا باستخدام الدور المقابل لكل جانب، لأن النموذج دُرّب بهذه البادئات. تختلف بادئة المستند هذه عن اصطلاح “passage:” في نماذج E5.\n\nيمكن لمجموعة عملية للبحث عن المنتجات حفظ أوصاف باللغات المدعومة. جهّز عبارة بحث المستخدم كاستعلام، وكل وصف منتج كمستند. خزّن النص الأصلي ومعرّف المنتج ولغته مع المتجه، لتتمكن نتيجة البحث من إعادة السجل المقابل. ولمجموعة دعم، احتفظ بالسياسة أو التعليمة المرتبطة بالسؤال، بدلًا من استبدالها بتسمية قصيرة غير مرتبطة.\n\n### اللغات وحجم المقاطع\n\nمجموعة اللغات الموثّقة هي الإنجليزية والإسبانية والألمانية والفرنسية والإيطالية والبرتغالية والعربية والسويدية والنرويجية واليابانية والكورية. تستهدف الشركة صراحةً الاسترجاع داخل اللغة وعبر حدود اللغات. جهّز أسئلة حقيقية من الجمهور المقصود وافحص نص المستند المُرجع بتلك اللغات.\n\nمواصفة طول المستند هي 512 رمزًا. قسّم المصدر الطويل إلى مقاطع مترابطة تحافظ على العنوان والتعريفات والشروط اللازمة لنتيجة مسترجعة. تنتمي بادئة الدور والسياق المضاف إلى الإدخال المجهّز. وتُعد إجابة سؤال شائع أو شرح منتج أو قسم مركّز من مستند تقني وحدةً أنسب من دليل كامل زائد الحجم.\n\n### التدريب والمطابقة\n\nيصف المنتج ثلاث مراحل تدريب: تدريبًا مسبقًا تباينيًا بالإنجليزية، وتقطيرًا متعدد اللغات وعابرًا للغات، ثم ضبطًا دقيقًا بأمثلة سلبية صعبة مستخرجة بالتنقيب. يستهدف النموذج الناتج كتالوجات المنتجات ومجموعات الأسئلة الشائعة والدعم والبحث في الملفات أو الملاحظات واسترجاع المعرفة المؤسسية. هذه مهام للتمثيلات النصية، وليست ادعاءات عن نشر تطبيق معين.\n\nيطبّع مثال المنتج متجهات الاستعلام والمستند، ويرتّبها باستخدام الجداء النقطي، المكافئ لتشابه جيب التمام. احسب تمثيلات المجموعة مسبقًا عند إعداد المادة المصدرية، ثم ضمّن استعلام بحث وأعد المستندات المرشحة مع نصوصها ومعرّفاتها. احتفظ بالنموذج المختار واصطلاح الأدوار مع الفهرس، حتى تستخدم المقارنة العددية تمثيلات متوافقة.\n\nالنتيجة المفيدة فهرس بحث كثيف مدمج، أو متجه استعلام يسترجع مادة مصدرية عبر مجموعة اللغات الموثّقة. يبقى إصدار LFM2.5 Embedding المحدد هذا منفصلًا عن نظيره ColBERT ومسترجعات LFM2 الأقدم والتنفيذات المكمّمة خارجيًا. نص المقطع المختار هو الدليل الذي يستخدمه القارئ أو مرحلة إجابة RAG لاحقة.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "03e98b607c5ce8be3626ac71aa93860665ea013f1896111b4bc21c0b42a1437d",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "ar",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">LiquidAI: LFM2.5-Embedding-350M (free)</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"إغلاق\">×</button></div><div class=\"idline\"><span>LiquidAI /</span><code>liquid/lfm-2.5-embedding-350m:free</code><button type=\"button\" id=\"copy-id\">نسخ ID</button></div><nav class=\"card-jump-nav\" aria-label=\"أقسام بطاقة النموذج\"><button type=\"button\" data-card-jump=\"overview\">البداية</button><button type=\"button\" data-card-jump=\"methods\">المدخلات والطرائق</button><button type=\"button\" data-card-jump=\"pricing\">الباقات</button><button type=\"button\" data-card-jump=\"examples\">أمثلة</button><button type=\"button\" data-card-jump=\"results\">النتائج</button><button type=\"button\" data-card-jump=\"aliases\">الأسماء البديلة</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"طرائق API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|embeddings|/v1/embeddings|liquid%2Flfm-2.5-embedding-350m%3Afree\">التضمينات</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">البداية</h3><p class=\"mdesc-full\">ينتج LiquidAI LFM2.5-Embedding-350M متجهًا واحدًا ذا 1024 بُعدًا لكل نص، للاسترجاع متعدد اللغات والاسترجاع بين اللغات. يستهدف 11 لغة ومدخلات قصيرة من 512 رمزًا، مع بادئات مختلفة للاستعلامات والمستندات.</p><dl class=\"card-io\" data-card-io><div><dt>المدخلات المقبولة</dt><dd>النص · token_ids</dd></div><div><dt>النتائج</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>عن النموذج</summary><p class=\"note-s\" data-model-method-boundary>يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.</p><div class=\"mabout\" id=\"m-about\"><p>LFM2.5-Embedding-350M هو مُرمِّز مزدوج كثيف (bi-encoder) من LiquidAI للاسترجاع متعدد اللغات وعبر اللغات. ينتج متجهًا واحدًا ذا 1024 بُعدًا لكل نص، ويستهدف البحث بسياق قصير عبر إحدى عشرة لغة. تستخدم عائلة النموذج المسماة 350M تكييفًا ثنائي الاتجاه من LFM2.5-350M-Base؛ ويذكر جدول النموذج التفصيلي نحو 354 مليون معلمة لهذا الإصدار من التضمين.</p><h4>تمثيل استرجاع ثنائي الاتجاه</h4><p>تكيّف الشركة البنية الأساسية بحيث يستطيع الانتباه والالتفافات المحلية استخدام السياق على جانبَي الرمز. يحوّل التجميع بأسلوب CLS النص المعالَج إلى متجه كثيف واحد. يصف جدول النموذج سبع عشرة طبقة: عشر كتل التفاف وست كتل انتباه ومرحلة تجميع. هذا مُرمِّز استرجاع بإعداده وإخراجه الخاصين، وليس مهمة توليد النص في النموذج الأساسي.</p><p>يحتفظ LFM2.5-ColBERT-350M ذو الاسم المنفصل بمتجهات لكل رمز للتفاعل المتأخر. ويتطلب هذا التمثيل فهرسًا وطريقة مقارنة مختلفين. يقدّم نموذج Embedding هنا متجهًا واحدًا لكل مستند أو استعلام، مع تشابه جيب التمام كطريقة مقارنة موثّقة.</p><h4>استخدم الموجّهات غير المتماثلة الصحيحة</h4><p>جهّز استعلامات البحث بالبادئة “query:” والمقاطع المصدرية بالبادئة “document:”. تخزّن الشركة هذه الموجّهات في إعداداتها، ويطبّق مسارها المرجعي اسم الموجّه المطابق. وهي توصي تحديدًا باستخدام الدور المقابل لكل جانب، لأن النموذج دُرّب بهذه البادئات. تختلف بادئة المستند هذه عن اصطلاح “passage:” في نماذج E5.</p><p>يمكن لمجموعة عملية للبحث عن المنتجات حفظ أوصاف باللغات المدعومة. جهّز عبارة بحث المستخدم كاستعلام، وكل وصف منتج كمستند. خزّن النص الأصلي ومعرّف المنتج ولغته مع المتجه، لتتمكن نتيجة البحث من إعادة السجل المقابل. ولمجموعة دعم، احتفظ بالسياسة أو التعليمة المرتبطة بالسؤال، بدلًا من استبدالها بتسمية قصيرة غير مرتبطة.</p><h4>اللغات وحجم المقاطع</h4><p>مجموعة اللغات الموثّقة هي الإنجليزية والإسبانية والألمانية والفرنسية والإيطالية والبرتغالية والعربية والسويدية والنرويجية واليابانية والكورية. تستهدف الشركة صراحةً الاسترجاع داخل اللغة وعبر حدود اللغات. جهّز أسئلة حقيقية من الجمهور المقصود وافحص نص المستند المُرجع بتلك اللغات.</p><p>مواصفة طول المستند هي 512 رمزًا. قسّم المصدر الطويل إلى مقاطع مترابطة تحافظ على العنوان والتعريفات والشروط اللازمة لنتيجة مسترجعة. تنتمي بادئة الدور والسياق المضاف إلى الإدخال المجهّز. وتُعد إجابة سؤال شائع أو شرح منتج أو قسم مركّز من مستند تقني وحدةً أنسب من دليل كامل زائد الحجم.</p><h4>التدريب والمطابقة</h4><p>يصف المنتج ثلاث مراحل تدريب: تدريبًا مسبقًا تباينيًا بالإنجليزية، وتقطيرًا متعدد اللغات وعابرًا للغات، ثم ضبطًا دقيقًا بأمثلة سلبية صعبة مستخرجة بالتنقيب. يستهدف النموذج الناتج كتالوجات المنتجات ومجموعات الأسئلة الشائعة والدعم والبحث في الملفات أو الملاحظات واسترجاع المعرفة المؤسسية. هذه مهام للتمثيلات النصية، وليست ادعاءات عن نشر تطبيق معين.</p><p>يطبّع مثال المنتج متجهات الاستعلام والمستند، ويرتّبها باستخدام الجداء النقطي، المكافئ لتشابه جيب التمام. احسب تمثيلات المجموعة مسبقًا عند إعداد المادة المصدرية، ثم ضمّن استعلام بحث وأعد المستندات المرشحة مع نصوصها ومعرّفاتها. احتفظ بالنموذج المختار واصطلاح الأدوار مع الفهرس، حتى تستخدم المقارنة العددية تمثيلات متوافقة.</p><p>النتيجة المفيدة فهرس بحث كثيف مدمج، أو متجه استعلام يسترجع مادة مصدرية عبر مجموعة اللغات الموثّقة. يبقى إصدار LFM2.5 Embedding المحدد هذا منفصلًا عن نظيره ColBERT ومسترجعات LFM2 الأقدم والتنفيذات المكمّمة خارجيًا. نص المقطع المختار هو الدليل الذي يستخدمه القارئ أو مرحلة إجابة RAG لاحقة.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">متاح في Ailoot · المدخلات والطرائق</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · التضمينات</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>الإدخال</dt><dd><code>text</code>, <code>token_ids</code></dd></div><div><dt>الإخراج</dt><dd><code>embedding</code></dd></div><div><dt>السياق</dt><dd>⁦512⁩ tokens</dd></div><div><dt>صيغة الإخراج</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>الحقل</th><th>النوع</th><th>المتطلب</th><th>القيم والحدود</th><th>القيمة الافتراضية</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"الحقل\" scope=\"row\"><span class=\"card-cell-label\">الحقل</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"النوع\" data-field-type><span class=\"card-cell-label\">النوع</span><code>string</code></td><td data-cell-label=\"المتطلب\"><span class=\"card-cell-label\">المتطلب</span>مطلوب</td><td data-cell-label=\"القيم والحدود\"><span class=\"card-cell-label\">القيم والحدود</span><div>liquid/lfm-2.5-embedding-350m:free</div></td><td data-cell-label=\"القيمة الافتراضية\" data-default=\"unspecified\"><span class=\"card-cell-label\">القيمة الافتراضية</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"الحقل\" scope=\"row\"><span class=\"card-cell-label\">الحقل</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"النوع\" data-field-type><span class=\"card-cell-label\">النوع</span><code>string|string[]|integer[]|integer[][]</code></td><td data-cell-label=\"المتطلب\"><span class=\"card-cell-label\">المتطلب</span>مطلوب</td><td data-cell-label=\"القيم والحدود\"><span class=\"card-cell-label\">القيم والحدود</span><div>الحد الأدنى للعناصر: ⁦1⁩</div><div>الشروط: دفعة متجانسة غير فارغة. معرّفات التوكنات أعداد صحيحة غير سالبة.</div><div>سعة الإدخال: الحد الأقصى: ⁦512⁩ · وحدة النص: بايتات UTF8 · وحدة الرموز: عناصر مصفوفة الرموز</div></td><td data-cell-label=\"القيمة الافتراضية\" data-default=\"unspecified\"><span class=\"card-cell-label\">القيمة الافتراضية</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"الحقل\" scope=\"row\"><span class=\"card-cell-label\">الحقل</span><code class=\"card-field-name\">encoding_format</code></th><td data-cell-label=\"النوع\" data-field-type><span class=\"card-cell-label\">النوع</span><code>string</code></td><td data-cell-label=\"المتطلب\"><span class=\"card-cell-label\">المتطلب</span>اختياري</td><td data-cell-label=\"القيم والحدود\"><span class=\"card-cell-label\">القيم والحدود</span><div>float</div></td><td data-cell-label=\"القيمة الافتراضية\" data-default=\"known\"><span class=\"card-cell-label\">القيمة الافتراضية</span>float</td></tr><tr data-parameter-availability=\"unsupported\"><th data-cell-label=\"الحقل\" scope=\"row\"><span class=\"card-cell-label\">الحقل</span><code class=\"card-field-name\">dimensions</code></th><td data-cell-label=\"النوع\" data-field-type><span class=\"card-cell-label\">النوع</span><code>integer</code></td><td data-cell-label=\"المتطلب\"><span class=\"card-cell-label\">المتطلب</span>غير مدعوم</td><td data-cell-label=\"القيم والحدود\"><span class=\"card-cell-label\">القيم والحدود</span><div>الحد الأدنى: ⁦1⁩</div></td><td data-cell-label=\"القيمة الافتراضية\" data-default=\"unspecified\"><span class=\"card-cell-label\">القيمة الافتراضية</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"الحقل\" scope=\"row\"><span class=\"card-cell-label\">الحقل</span><code class=\"card-field-name\">user</code></th><td data-cell-label=\"النوع\" data-field-type><span class=\"card-cell-label\">النوع</span><code>json_value</code></td><td data-cell-label=\"المتطلب\"><span class=\"card-cell-label\">المتطلب</span>اختياري</td><td data-cell-label=\"القيم والحدود\"><span class=\"card-cell-label\">القيم والحدود</span><div>الشروط: يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.</div></td><td data-cell-label=\"القيمة الافتراضية\" data-default=\"unspecified\"><span class=\"card-cell-label\">القيمة الافتراضية</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"الحقل\" scope=\"row\"><span class=\"card-cell-label\">الحقل</span><code class=\"card-field-name\">session_id</code></th><td data-cell-label=\"النوع\" data-field-type><span class=\"card-cell-label\">النوع</span><code>json_value</code></td><td data-cell-label=\"المتطلب\"><span class=\"card-cell-label\">المتطلب</span>اختياري</td><td data-cell-label=\"القيم والحدود\"><span class=\"card-cell-label\">القيم والحدود</span><div>الشروط: يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.</div></td><td data-cell-label=\"القيمة الافتراضية\" data-default=\"unspecified\"><span class=\"card-cell-label\">القيمة الافتراضية</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"الحقل\" scope=\"row\"><span class=\"card-cell-label\">الحقل</span><code class=\"card-field-name\">trace</code></th><td data-cell-label=\"النوع\" data-field-type><span class=\"card-cell-label\">النوع</span><code>json_value</code></td><td data-cell-label=\"المتطلب\"><span class=\"card-cell-label\">المتطلب</span>اختياري</td><td data-cell-label=\"القيم والحدود\"><span class=\"card-cell-label\">القيم والحدود</span><div>الشروط: يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.</div></td><td data-cell-label=\"القيمة الافتراضية\" data-default=\"unspecified\"><span class=\"card-cell-label\">القيمة الافتراضية</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"الحقل\" scope=\"row\"><span class=\"card-cell-label\">الحقل</span><code class=\"card-field-name\">provider</code></th><td data-cell-label=\"النوع\" data-field-type><span class=\"card-cell-label\">النوع</span><code>object</code></td><td data-cell-label=\"المتطلب\"><span class=\"card-cell-label\">المتطلب</span>اختياري</td><td data-cell-label=\"القيم والحدود\"><span class=\"card-cell-label\">القيم والحدود</span><div>الشروط: تم رفض provider.options</div></td><td data-cell-label=\"القيمة الافتراضية\" data-default=\"unspecified\"><span class=\"card-cell-label\">القيمة الافتراضية</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>تركيبات مواد الإدخال</summary><p class=\"note-s\"><b>text_to_embedding</b></p></details><details class=\"note-s\" data-method-contract><summary>معلمات الطريقة ودورة حياتها</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>المعلمة</th><th>المواصفات</th></tr></thead><tbody><tr><th data-cell-label=\"المعلمة\" scope=\"row\"><span class=\"card-cell-label\">المعلمة</span><code>content_type</code></th><td data-cell-label=\"المواصفات\"><span class=\"card-cell-label\">المواصفات</span>application/json</td></tr><tr><th data-cell-label=\"المعلمة\" scope=\"row\"><span class=\"card-cell-label\">المعلمة</span><code>required</code></th><td data-cell-label=\"المواصفات\"><span class=\"card-cell-label\">المواصفات</span>model, input</td></tr><tr><th data-cell-label=\"المعلمة\" scope=\"row\"><span class=\"card-cell-label\">المعلمة</span><code>input_shapes</code></th><td data-cell-label=\"المواصفات\"><span class=\"card-cell-label\">المواصفات</span>string, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]</td></tr><tr><th data-cell-label=\"المعلمة\" scope=\"row\"><span class=\"card-cell-label\">المعلمة</span><code>encoding_format</code></th><td data-cell-label=\"المواصفات\"><span class=\"card-cell-label\">المواصفات</span>float</td></tr><tr><th data-cell-label=\"المعلمة\" scope=\"row\"><span class=\"card-cell-label\">المعلمة</span><code>dimensions_override</code></th><td data-cell-label=\"المواصفات\"><span class=\"card-cell-label\">المواصفات</span>false</td></tr><tr><th data-cell-label=\"المعلمة\" scope=\"row\"><span class=\"card-cell-label\">المعلمة</span><code>max_input_budget_units</code></th><td data-cell-label=\"المواصفات\"><span class=\"card-cell-label\">المواصفات</span>512</td></tr><tr><th data-cell-label=\"المعلمة\" scope=\"row\"><span class=\"card-cell-label\">المعلمة</span><code>multimodal_objects</code></th><td data-cell-label=\"المواصفات\"><span class=\"card-cell-label\">المواصفات</span>false</td></tr><tr><th data-cell-label=\"المعلمة\" scope=\"row\"><span class=\"card-cell-label\">المعلمة</span><code>material_types</code></th><td data-cell-label=\"المواصفات\"><span class=\"card-cell-label\">المواصفات</span>text, token_ids</td></tr></tbody></table></div><p>دورة الحياة: <code>synchronous_json</code></p><p class=\"note-s\">احتفظ بفهرس كل متجه وبُعده.</p><p class=\"note-s\">اسم النموذج متعدد الوسائط لا يتيح استخدام كائنات الصور على هذا المسار المحدد.</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">الباقات</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.</p><dl data-price-conditions><dt>الوضع السريع</dt><dd>التعرفة القياسية <span class=\"note-s\">عند اختيار الوضع السريع</span></dd><dt>الوضع المرن</dt><dd>التعرفة القياسية <span class=\"note-s\">عند اختيار وضع flex</span></dd><dt>أقصى جهد للاستدلال</dt><dd>التعرفة القياسية <span class=\"note-s\">عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال</span></dd></dl></div><div data-declared-tariff-pricing><h4>تعرفات Ailoot</h4><h4>الأسعار حسب الإعدادات</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>الإعدادات</th><th>جدول التعرفة</th><th>الرسوم</th></tr></thead><tbody><tr><th data-cell-label=\"الإعدادات\" scope=\"row\"><span class=\"card-cell-label\">الإعدادات</span>التعرفات الأساسية للرموز</th><td data-cell-label=\"جدول التعرفة\"><span class=\"card-cell-label\">جدول التعرفة</span>التعرفة الأساسية</td><td data-cell-label=\"الرسوم\"><span class=\"card-cell-label\">الرسوم</span><div><span>الإدخال · رموز الإدخال</span> <b>$0</b> <span class=\"price-unit\">/ 1K من الرموز</span></div><div><span>الإخراج · رموز الإخراج</span> <b>$0</b> <span class=\"price-unit\">/ 1K من الرموز</span></div><div><span>الإدخال · قراءة ذاكرة التخزين المؤقت</span> <b>—</b> <span class=\"price-unit\">/ 1K من الرموز</span></div><div><span>الإدخال · الكتابة إلى ذاكرة التخزين المؤقت</span> <b>—</b> <span class=\"price-unit\">/ 1K من الرموز</span></div><div><span>الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة</span> <b>—</b> <span class=\"price-unit\">/ 1K من الرموز</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. <a href=\"/docs/ar/billing/reserve/\">كيفية عمل حجز المبلغ وتسوية الرسوم →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">أمثلة للطلبات</h3><h4>Ailoot Ultra · التضمينات</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"خيارات الشيفرة\"><button class=\"cg-tab\" id=\"model-code-1793-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1793-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl</button><button class=\"cg-tab\" id=\"model-code-1793-tab-1\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1793-panel-1\" aria-selected=\"false\" tabindex=\"-1\">Python SDK</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"نسخ الشيفرة\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-1793-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-1793-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;model&quot;: &quot;liquid/lfm-2.5-embedding-350m:free&quot;, &quot;input&quot;: [&quot;First document&quot;, &quot;Second document&quot;]}&#39;)\n\nPath(&quot;request.json&quot;).write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - &lt;&lt;&#39;PY_RESULT&#39;\nimport json\nfrom pathlib import Path\nr=json.loads(Path(&quot;result.json&quot;).read_text())\nfor x in r.get(&quot;data&quot;,[]): print(json.dumps({&quot;index&quot;:x.get(&quot;index&quot;),&quot;embedding&quot;:x.get(&quot;embedding&quot;)}))\nPY_RESULT\n</code></pre></div><div class=\"cg-pane\" id=\"model-code-1793-panel-1\" role=\"tabpanel\" aria-labelledby=\"model-code-1793-tab-1\" hidden><pre data-lang=\"python\"><code>from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=&quot;https://api.ailoot.ai/v1&quot;,api_key=os.environ[&quot;AILOOT_API_KEY&quot;],max_retries=0)\nresult=client.embeddings.create(model=&#39;liquid/lfm-2.5-embedding-350m:free&#39;,input=[&quot;First document&quot;,&quot;Second document&quot;])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">استلام النتائج وحفظها</h3><h4>Ailoot Ultra · التضمينات</h4><p class=\"note-s\">json</p><div class=\"card-result-process\" data-all-results><h5>الاحتفاظ بكل النتائج المكتملة</h5><p class=\"note-s\">احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.</p><p class=\"note-s\">احتفظ بكل متجه مع فهرسه. يجب أن يساوي عدد المتجهات عدد المدخلات، وأن تكون الأبعاد متسقة.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>عند الحاجة إلى التحقق من الاستجابة الأصلية</h5><p class=\"note-s\">لا تُستحدث نقطة نهاية لمهام التضمين.</p></div><details class=\"card-about\" data-output-fields><summary>حقول الاستجابة</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>الحقل</th><th>النوع</th></tr></thead><tbody><tr><th data-cell-label=\"الحقل\" scope=\"row\"><span class=\"card-cell-label\">الحقل</span><code class=\"card-field-name\">object</code></th><td data-cell-label=\"النوع\" data-field-type><span class=\"card-cell-label\">النوع</span>string</td></tr><tr><th data-cell-label=\"الحقل\" scope=\"row\"><span class=\"card-cell-label\">الحقل</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"النوع\" data-field-type><span class=\"card-cell-label\">النوع</span>string</td></tr><tr><th data-cell-label=\"الحقل\" scope=\"row\"><span class=\"card-cell-label\">الحقل</span><code class=\"card-field-name\">data[].index</code></th><td data-cell-label=\"النوع\" data-field-type><span class=\"card-cell-label\">النوع</span>integer</td></tr><tr><th data-cell-label=\"الحقل\" scope=\"row\"><span class=\"card-cell-label\">الحقل</span><code class=\"card-field-name\">data[].embedding</code></th><td data-cell-label=\"النوع\" data-field-type><span class=\"card-cell-label\">النوع</span>finite float[]</td></tr><tr><th data-cell-label=\"الحقل\" scope=\"row\"><span class=\"card-cell-label\">الحقل</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"النوع\" data-field-type><span class=\"card-cell-label\">النوع</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>الأخطاء والخطوات التالية</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>الاستجابة</th><th>الشرط</th><th>الخطوة التالية</th></tr></thead><tbody><tr><th data-cell-label=\"الاستجابة\" scope=\"row\"><span class=\"card-cell-label\">الاستجابة</span>⁦400⁩ · <code>invalid_request_error</code></th><td data-cell-label=\"الشرط\"><span class=\"card-cell-label\">الشرط</span>حقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة</td><td data-cell-label=\"الخطوة التالية\"><span class=\"card-cell-label\">الخطوة التالية</span>صحّح الحقول المحددة قبل طلب إنشاء جديد.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">الأسماء البديلة</h3><h4>الأسماء البديلة للنموذج</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=liquid%2Flfm-2.5-embedding-350m%3Afree&amp;route=Ultra&amp;caller=liquid%2Flfm-2.5-embedding-350m%3Afree&amp;fmt=embeddings\"><code>liquid/lfm-2.5-embedding-350m:free</code></a></span></p><h4>الأسماء البديلة لمسارات الطرائق</h4><p class=\"note-s\">استخدم مسارات الطرائق المعروضة أعلاه.</p><h4>معرّفات النماذج ذات الصلة IDs</h4><p class=\"note-s\"><a href=\"#m=liquid%2Flfm-2.5-embedding-350m%3Afree&amp;route=Ultra&amp;caller=liquid%2Flfm-2.5-embedding-350m%3Afree&amp;fmt=embeddings\"><code>liquid/lfm-2.5-embedding-350m:free</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "liquid/lfm-2.5-embedding-350m:free",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "liquid/lfm-2.5-embedding-350m:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|liquid%2Flfm-2.5-embedding-350m%3Afree",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.",
            "errors": [
              {
                "code": null,
                "condition": "حقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة",
                "http_status": 400,
                "recovery": "صحّح الحقول المحددة قبل طلب إنشاء جديد.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "لا تُستحدث نقطة نهاية لمهام التضمين."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]",
                  "nonnegative_integer_token_array",
                  "nonnegative_integer_token_array[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "احتفظ بكل متجه مع فهرسه. يجب أن يساوي عدد المتجهات عدد المدخلات، وأن تكون الأبعاد متسقة.",
              "default_dimensions": 1024,
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "object",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "liquid/lfm-2.5-embedding-350m:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "budget": {
                  "maximum": 512,
                  "text_unit": "بايتات UTF8",
                  "token_unit": "عناصر مصفوفة الرموز"
                },
                "conditions": "دفعة متجانسة غير فارغة. معرّفات التوكنات أعداد صحيحة غير سالبة.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_items": 1,
                "name": "input",
                "required": true,
                "type": "string|string[]|integer[]|integer[][]"
              },
              {
                "availability": "source_interface",
                "default": "float",
                "default_known": true,
                "enum": [
                  "float"
                ],
                "enum_known": true,
                "name": "encoding_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "unsupported",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "minimum": 1,
                "name": "dimensions",
                "required": false,
                "type": "integer"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "session_id",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "trace",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "source_interface",
                "conditions": "تم رفض provider.options",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "mixed input kinds",
              "empty input",
              "image/audio/file objects",
              "encoding_format=base64",
              "dimensions override"
            ]
          },
          "hints": [
            "احتفظ بفهرس كل متجه وبُعده.",
            "اسم النموذج متعدد الوسائط لا يتيح استخدام كائنات الصور على هذا المسار المحدد."
          ],
          "input": {
            "content_type": "application/json",
            "dimensions_override": false,
            "encoding_format": [
              "float"
            ],
            "input_shapes": [
              "string",
              "string[]",
              "nonnegative_integer_token_array",
              "nonnegative_integer_token_array[]"
            ],
            "material_types": [
              "text",
              "token_ids"
            ],
            "max_input_budget_units": 512,
            "multimodal_objects": false,
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "synchronous_json",
            "unknown": "no embedding job endpoint inferred"
          },
          "manufacturer_capability": null,
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "method_aliases": [],
          "operation_modes": [
            "text_to_embedding"
          ],
          "output": {
            "default_dimensions": 1024,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "one dense float vector per input; indices/model/usage validated"
          }
        },
        "ctx": 512,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "التعرفات الأساسية للرموز",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"liquid/lfm-2.5-embedding-350m:free\", \"input\": [\"First document\", \"Second document\"]}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n",
            "label": "curl · retained exact creation",
            "language": "bash"
          },
          {
            "code": "from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.embeddings.create(model='liquid/lfm-2.5-embedding-350m:free',input=[\"First document\",\"Second document\"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n",
            "label": "Python SDK · all vectors",
            "language": "python"
          }
        ],
        "family": "openai",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "embeddings",
        "hints": [
          "Keep every vector index and dimension.",
          "Multimodal model name does not admit image objects on this exact path."
        ],
        "http": "POST",
        "in": 0,
        "input": [
          "text",
          "token_ids"
        ],
        "label": "Эмбеддинги",
        "max_out": null,
        "max_reasoning_effort_multiplier": 1,
        "method_aliases": [],
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "الوضع السريع",
            "value": "التعرفة القياسية",
            "when": "عند اختيار الوضع السريع"
          },
          {
            "label": "الوضع المرن",
            "value": "التعرفة القياسية",
            "when": "عند اختيار وضع flex"
          },
          {
            "label": "أقصى جهد للاستدلال",
            "value": "التعرفة القياسية",
            "when": "عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "liquid/lfm-2.5-embedding-350m:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    }
  ],
  "model_id": "liquid/lfm-2.5-embedding-350m:free",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "852a1bc3caf1bf477880949db6dee75e1cbceb7f0e90c55e02e00465118c1abc",
    "input_html_sha256": "279c9739c91e5625e949915a5d4b6109069b1ee90e76e48ec1141b1da3a47324",
    "private_audit_sha256": "b2226b9cf48d907a4f51f58b856f04a1507185693ccdb02660f0cd9129fe1ba2",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/ar/liquid-lfm-2-5-embedding-350m-u003a-free/",
    "description": "ينتج LiquidAI LFM2.5-Embedding-350M متجهًا واحدًا ذا 1024 بُعدًا لكل نص، للاسترجاع متعدد اللغات والاسترجاع بين اللغات. يستهدف 11 لغة ومدخلات قصيرة من 512 رمزًا، مع بادئات مختلفة للاستعلامات والمستندات.",
    "locale": "ar",
    "md_url": "https://ailoot.ai/models/ar/liquid-lfm-2-5-embedding-350m-u003a-free/index.md",
    "title": "LiquidAI: LFM2.5-Embedding-350M (free) — Ailoot",
    "url": "https://ailoot.ai/models/ar/liquid-lfm-2-5-embedding-350m-u003a-free/"
  },
  "rawModel": {
    "about": "LFM2.5-Embedding-350M هو مُرمِّز مزدوج كثيف (bi-encoder) من LiquidAI للاسترجاع متعدد اللغات وعبر اللغات. ينتج متجهًا واحدًا ذا 1024 بُعدًا لكل نص، ويستهدف البحث بسياق قصير عبر إحدى عشرة لغة. تستخدم عائلة النموذج المسماة 350M تكييفًا ثنائي الاتجاه من LFM2.5-350M-Base؛ ويذكر جدول النموذج التفصيلي نحو 354 مليون معلمة لهذا الإصدار من التضمين.\n\n### تمثيل استرجاع ثنائي الاتجاه\n\nتكيّف الشركة البنية الأساسية بحيث يستطيع الانتباه والالتفافات المحلية استخدام السياق على جانبَي الرمز. يحوّل التجميع بأسلوب CLS النص المعالَج إلى متجه كثيف واحد. يصف جدول النموذج سبع عشرة طبقة: عشر كتل التفاف وست كتل انتباه ومرحلة تجميع. هذا مُرمِّز استرجاع بإعداده وإخراجه الخاصين، وليس مهمة توليد النص في النموذج الأساسي.\n\nيحتفظ LFM2.5-ColBERT-350M ذو الاسم المنفصل بمتجهات لكل رمز للتفاعل المتأخر. ويتطلب هذا التمثيل فهرسًا وطريقة مقارنة مختلفين. يقدّم نموذج Embedding هنا متجهًا واحدًا لكل مستند أو استعلام، مع تشابه جيب التمام كطريقة مقارنة موثّقة.\n\n### استخدم الموجّهات غير المتماثلة الصحيحة\n\nجهّز استعلامات البحث بالبادئة “query:” والمقاطع المصدرية بالبادئة “document:”. تخزّن الشركة هذه الموجّهات في إعداداتها، ويطبّق مسارها المرجعي اسم الموجّه المطابق. وهي توصي تحديدًا باستخدام الدور المقابل لكل جانب، لأن النموذج دُرّب بهذه البادئات. تختلف بادئة المستند هذه عن اصطلاح “passage:” في نماذج E5.\n\nيمكن لمجموعة عملية للبحث عن المنتجات حفظ أوصاف باللغات المدعومة. جهّز عبارة بحث المستخدم كاستعلام، وكل وصف منتج كمستند. خزّن النص الأصلي ومعرّف المنتج ولغته مع المتجه، لتتمكن نتيجة البحث من إعادة السجل المقابل. ولمجموعة دعم، احتفظ بالسياسة أو التعليمة المرتبطة بالسؤال، بدلًا من استبدالها بتسمية قصيرة غير مرتبطة.\n\n### اللغات وحجم المقاطع\n\nمجموعة اللغات الموثّقة هي الإنجليزية والإسبانية والألمانية والفرنسية والإيطالية والبرتغالية والعربية والسويدية والنرويجية واليابانية والكورية. تستهدف الشركة صراحةً الاسترجاع داخل اللغة وعبر حدود اللغات. جهّز أسئلة حقيقية من الجمهور المقصود وافحص نص المستند المُرجع بتلك اللغات.\n\nمواصفة طول المستند هي 512 رمزًا. قسّم المصدر الطويل إلى مقاطع مترابطة تحافظ على العنوان والتعريفات والشروط اللازمة لنتيجة مسترجعة. تنتمي بادئة الدور والسياق المضاف إلى الإدخال المجهّز. وتُعد إجابة سؤال شائع أو شرح منتج أو قسم مركّز من مستند تقني وحدةً أنسب من دليل كامل زائد الحجم.\n\n### التدريب والمطابقة\n\nيصف المنتج ثلاث مراحل تدريب: تدريبًا مسبقًا تباينيًا بالإنجليزية، وتقطيرًا متعدد اللغات وعابرًا للغات، ثم ضبطًا دقيقًا بأمثلة سلبية صعبة مستخرجة بالتنقيب. يستهدف النموذج الناتج كتالوجات المنتجات ومجموعات الأسئلة الشائعة والدعم والبحث في الملفات أو الملاحظات واسترجاع المعرفة المؤسسية. هذه مهام للتمثيلات النصية، وليست ادعاءات عن نشر تطبيق معين.\n\nيطبّع مثال المنتج متجهات الاستعلام والمستند، ويرتّبها باستخدام الجداء النقطي، المكافئ لتشابه جيب التمام. احسب تمثيلات المجموعة مسبقًا عند إعداد المادة المصدرية، ثم ضمّن استعلام بحث وأعد المستندات المرشحة مع نصوصها ومعرّفاتها. احتفظ بالنموذج المختار واصطلاح الأدوار مع الفهرس، حتى تستخدم المقارنة العددية تمثيلات متوافقة.\n\nالنتيجة المفيدة فهرس بحث كثيف مدمج، أو متجه استعلام يسترجع مادة مصدرية عبر مجموعة اللغات الموثّقة. يبقى إصدار LFM2.5 Embedding المحدد هذا منفصلًا عن نظيره ColBERT ومسترجعات LFM2 الأقدم والتنفيذات المكمّمة خارجيًا. نص المقطع المختار هو الدليل الذي يستخدمه القارئ أو مرحلة إجابة RAG لاحقة.",
    "alias_of": null,
    "aliases": [],
    "author": "LiquidAI",
    "available": null,
    "canonical_model": "liquid/lfm-2.5-embedding-350m:free",
    "capabilities": {
      "context_length": 512,
      "manufacturer_input": [
        "text"
      ],
      "manufacturer_output": [
        "embeddings"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          }
        ],
        "summary": "التسعير الكامل للتكوين في التفاصيل."
      }
    ],
    "ctx": 512,
    "entity_type": "model",
    "formats": [
      "embeddings"
    ],
    "id": "liquid/lfm-2.5-embedding-350m:free",
    "input": [
      "text",
      "token_ids"
    ],
    "kind": "embedding",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.",
            "errors": [
              {
                "code": null,
                "condition": "حقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة",
                "http_status": 400,
                "recovery": "صحّح الحقول المحددة قبل طلب إنشاء جديد.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "لا تُستحدث نقطة نهاية لمهام التضمين."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]",
                  "nonnegative_integer_token_array",
                  "nonnegative_integer_token_array[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "احتفظ بكل متجه مع فهرسه. يجب أن يساوي عدد المتجهات عدد المدخلات، وأن تكون الأبعاد متسقة.",
              "default_dimensions": 1024,
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "object",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "liquid/lfm-2.5-embedding-350m:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "budget": {
                  "maximum": 512,
                  "text_unit": "بايتات UTF8",
                  "token_unit": "عناصر مصفوفة الرموز"
                },
                "conditions": "دفعة متجانسة غير فارغة. معرّفات التوكنات أعداد صحيحة غير سالبة.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_items": 1,
                "name": "input",
                "required": true,
                "type": "string|string[]|integer[]|integer[][]"
              },
              {
                "availability": "source_interface",
                "default": "float",
                "default_known": true,
                "enum": [
                  "float"
                ],
                "enum_known": true,
                "name": "encoding_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "unsupported",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "minimum": 1,
                "name": "dimensions",
                "required": false,
                "type": "integer"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "session_id",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "يسمح المصدر بحقل البيانات الوصفية هذا بصيغة JSON؛ ويعتمد المعنى الدقيق لدى المزوّد الأصلي على النموذج.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "trace",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "source_interface",
                "conditions": "تم رفض provider.options",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "mixed input kinds",
              "empty input",
              "image/audio/file objects",
              "encoding_format=base64",
              "dimensions override"
            ]
          },
          "hints": [
            "احتفظ بفهرس كل متجه وبُعده.",
            "اسم النموذج متعدد الوسائط لا يتيح استخدام كائنات الصور على هذا المسار المحدد."
          ],
          "input": {
            "content_type": "application/json",
            "dimensions_override": false,
            "encoding_format": [
              "float"
            ],
            "input_shapes": [
              "string",
              "string[]",
              "nonnegative_integer_token_array",
              "nonnegative_integer_token_array[]"
            ],
            "material_types": [
              "text",
              "token_ids"
            ],
            "max_input_budget_units": 512,
            "multimodal_objects": false,
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "synchronous_json",
            "unknown": "no embedding job endpoint inferred"
          },
          "manufacturer_capability": null,
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "method_aliases": [],
          "operation_modes": [
            "text_to_embedding"
          ],
          "output": {
            "default_dimensions": 1024,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "one dense float vector per input; indices/model/usage validated"
          }
        },
        "ctx": 512,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "التعرفات الأساسية للرموز",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"liquid/lfm-2.5-embedding-350m:free\", \"input\": [\"First document\", \"Second document\"]}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n",
            "label": "curl · retained exact creation",
            "language": "bash"
          },
          {
            "code": "from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.embeddings.create(model='liquid/lfm-2.5-embedding-350m:free',input=[\"First document\",\"Second document\"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n",
            "label": "Python SDK · all vectors",
            "language": "python"
          }
        ],
        "family": "openai",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "embeddings",
        "hints": [
          "Keep every vector index and dimension.",
          "Multimodal model name does not admit image objects on this exact path."
        ],
        "http": "POST",
        "in": 0,
        "input": [
          "text",
          "token_ids"
        ],
        "label": "Эмбеддинги",
        "max_out": null,
        "max_reasoning_effort_multiplier": 1,
        "method_aliases": [],
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "الوضع السريع",
            "value": "التعرفة القياسية",
            "when": "عند اختيار الوضع السريع"
          },
          {
            "label": "الوضع المرن",
            "value": "التعرفة القياسية",
            "when": "عند اختيار وضع flex"
          },
          {
            "label": "أقصى جهد للاستدلال",
            "value": "التعرفة القياسية",
            "when": "عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "liquid/lfm-2.5-embedding-350m:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "liquid/lfm-2.5-embedding-350m:free",
        "request_model_id": "liquid/lfm-2.5-embedding-350m:free",
        "route_label": "Ultra"
      }
    ],
    "name": "LiquidAI: LFM2.5-Embedding-350M (free)",
    "price": {
      "in": 0,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "scope_label": "Token rates",
      "sort_in": 0,
      "sort_out": 0,
      "varies": false
    },
    "pricing_profiles": [
      {
        "dimensions": {
          "regime": "base"
        },
        "label": "Эмбеддинги · Base token rates",
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    ],
    "public_id": "liquid/lfm-2.5-embedding-350m:free",
    "short": "ينتج LiquidAI LFM2.5-Embedding-350M متجهًا واحدًا ذا 1024 بُعدًا لكل نص، للاسترجاع متعدد اللغات والاسترجاع بين اللغات. يستهدف 11 لغة ومدخلات قصيرة من 512 رمزًا، مع بادئات مختلفة للاستعلامات والمستندات."
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "ينتج LiquidAI LFM2.5-Embedding-350M متجهًا واحدًا ذا 1024 بُعدًا لكل نص، للاسترجاع متعدد اللغات والاسترجاع بين اللغات. يستهدف 11 لغة ومدخلات قصيرة من 512 رمزًا، مع بادئات مختلفة للاستعلامات والمستندات.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "a894646187db6f6c8c0fdc25e26133d3a6f60169e5d2ca104bb0c7bbb94bea4e",
    "renderer_sha256": "081ee0fd5b6b1b60564b02c52d62547e01e922c8c0a16e91a0d055073e76a10e"
  },
  "sourceRevision": "536d5165a21d95224f4be4c5fe95315caa1769e9734eb4b81d58a5499c923585"
}