Vælg Baichuan-Text-Embedding i en /v1/embeddings-anmodning. Det obligatoriske input accepterer en ikke-tom streng eller et ikke-tomt array af strenge, så en enkelt passage og en forberedt samling kan bruge det samme endpoint. JSON-resultatet indeholder data[].embedding og data[].index samt den valgte model og usage.
Til en videnssamling opdeler du kildedokumenter i passager, som bevarer de definitioner og den kontekst, en senere læser har brug for. Vedligehold dokument-ID’er i din applikation, og knyt hver vektor til dens indsendte position. En søgearbejdsgang kan kode brugerens forespørgsel med samme model og gemme kildepassagen ved siden af hvert fundet resultat.
Gem hele det synkrone svar, før du skriver vektorerne til lageret. Kontrollér koblingen mellem input og indeks, bevar alle returnerede vektorer, og gem usage sammen med operationen. Når gemte embeddings bruger den nøjagtige modelidentitet, er det tydeligt, hvilken samling og forespørgselsrepræsentation der hører sammen.
", "aboutText": "Vælg Baichuan-Text-Embedding i en /v1/embeddings-anmodning. Det obligatoriske input accepterer en ikke-tom streng eller et ikke-tomt array af strenge, så en enkelt passage og en forberedt samling kan bruge det samme endpoint. JSON-resultatet indeholder data[].embedding og data[].index samt den valgte model og usage.\n\nTil en videnssamling opdeler du kildedokumenter i passager, som bevarer de definitioner og den kontekst, en senere læser har brug for. Vedligehold dokument-ID’er i din applikation, og knyt hver vektor til dens indsendte position. En søgearbejdsgang kan kode brugerens forespørgsel med samme model og gemme kildepassagen ved siden af hvert fundet resultat.\n\nGem hele det synkrone svar, før du skriver vektorerne til lageret. Kontrollér koblingen mellem input og indeks, bevar alle returnerede vektorer, og gem usage sammen med operationen. Når gemte embeddings bruger den nøjagtige modelidentitet, er det tydeligt, hvilken samling og forespørgselsrepræsentation der hører sammen.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "1dd505089638679c0ab6bef04d28acb4fe2b9410cc31f8b47315f434265b46f4", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "Baichuan-Text-EmbeddingBaichuan-Text-Embedding returnerer numeriske vektorer for indsendt tekst via Ailoots embeddings-API. Send én passage eller en liste, og gem svarets indeks, når du opbygger en søgbar samling.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Vælg Baichuan-Text-Embedding i en /v1/embeddings-anmodning. Det obligatoriske input accepterer en ikke-tom streng eller et ikke-tomt array af strenge, så en enkelt passage og en forberedt samling kan bruge det samme endpoint. JSON-resultatet indeholder data[].embedding og data[].index samt den valgte model og usage.
Til en videnssamling opdeler du kildedokumenter i passager, som bevarer de definitioner og den kontekst, en senere læser har brug for. Vedligehold dokument-ID’er i din applikation, og knyt hver vektor til dens indsendte position. En søgearbejdsgang kan kode brugerens forespørgsel med samme model og gemme kildepassagen ved siden af hvert fundet resultat.
Gem hele det synkrone svar, før du skriver vektorerne til lageret. Kontrollér koblingen mellem input og indeks, bevar alle returnerede vektorer, og gem usage sammen med operationen. Når gemte embeddings bruger den nøjagtige modelidentitet, er det tydeligt, hvilken samling og forespørgselsrepræsentation der hører sammen.
POST /v1/embeddingstextembedding| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser Baichuan-Text-Embedding Betingelser: Brug præcis denne routingvælger for Ailoot. | Standard— |
Feltinput | Typestring or array<string> | KravPåkrævet | Værdier og grænser Betingelser: | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, input |
Parameteroptional | Kontrakt |
Parametermaterial_types | Kontrakttext |
Parameterconditions | KontraktBrug præcis denne routingvælger for Ailoot. |
Livscyklus: synchronous_json
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.00016 / 1K tokens Output · Outputtokens $0 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Baichuan-Text-Embedding", "input": "The quick brown fox jumps over the lazy dog"}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\nAiloot Ultra Baichuan-Text-Embedding
Brug metodestierne vist ovenfor.