{ "aboutHtml": "

Wählen Sie Baichuan-Text-Embedding in einer Anfrage an /v1/embeddings. Das erforderliche Feld input akzeptiert eine nicht leere Zeichenfolge oder ein nicht leeres Array von Zeichenfolgen. So lassen sich ein einzelner Abschnitt und eine vorbereitete Sammlung über denselben Endpunkt verarbeiten. Das JSON-Ergebnis enthält data[].embedding und data[].index sowie das gewählte model und usage.

Teilen Sie für eine Wissenssammlung Quelldokumente in Abschnitte auf, die die Definitionen und den Kontext für spätere Leser bewahren. Verwalten Sie Dokument-IDs in Ihrer Anwendung und ordnen Sie jeden Vektor seiner übermittelten Position zu. Ein Suchablauf kann die Anfrage des Nutzers mit demselben Modell kodieren und den Quellabschnitt neben jedem gefundenen Ergebnis aufbewahren.

Speichern Sie die vollständige synchrone Antwort, bevor Sie die Vektoren dauerhaft ablegen. Prüfen Sie die Zuordnung von Eingaben zu Indizes, bewahren Sie alle zurückgegebenen Vektoren auf und speichern Sie usage beim Vorgang. Die genaue Modellidentität bei gespeicherten Embeddings macht deutlich, welche Sammlung und welche Darstellung einer Suchanfrage zusammengehören.

", "aboutText": "Wählen Sie Baichuan-Text-Embedding in einer Anfrage an /v1/embeddings. Das erforderliche Feld input akzeptiert eine nicht leere Zeichenfolge oder ein nicht leeres Array von Zeichenfolgen. So lassen sich ein einzelner Abschnitt und eine vorbereitete Sammlung über denselben Endpunkt verarbeiten. Das JSON-Ergebnis enthält data[].embedding und data[].index sowie das gewählte model und usage.\n\nTeilen Sie für eine Wissenssammlung Quelldokumente in Abschnitte auf, die die Definitionen und den Kontext für spätere Leser bewahren. Verwalten Sie Dokument-IDs in Ihrer Anwendung und ordnen Sie jeden Vektor seiner übermittelten Position zu. Ein Suchablauf kann die Anfrage des Nutzers mit demselben Modell kodieren und den Quellabschnitt neben jedem gefundenen Ergebnis aufbewahren.\n\nSpeichern Sie die vollständige synchrone Antwort, bevor Sie die Vektoren dauerhaft ablegen. Prüfen Sie die Zuordnung von Eingaben zu Indizes, bewahren Sie alle zurückgegebenen Vektoren auf und speichern Sie usage beim Vorgang. Die genaue Modellidentität bei gespeicherten Embeddings macht deutlich, welche Sammlung und welche Darstellung einer Suchanfrage zusammengehören.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "d7ef6968f97d81c94f10183dbd37f3b763a5ae1d3727d43d496b1a562cc47a78", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-ch", "methods": [ { "html": "
•

Baichuan-Text-Embedding

Sonstiges /Baichuan-Text-Embedding

Einstieg

Baichuan-Text-Embedding liefert über Ailoots Embeddings-API numerische Vektoren für bereitgestellten Text. Übermitteln Sie einen Abschnitt oder eine Liste und bewahren Sie beim Aufbau einer durchsuchbaren Sammlung die Antwortindizes auf.

Zulässige Eingaben
Text
Ergebnisse
embedding
Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

Wählen Sie Baichuan-Text-Embedding in einer Anfrage an /v1/embeddings. Das erforderliche Feld input akzeptiert eine nicht leere Zeichenfolge oder ein nicht leeres Array von Zeichenfolgen. So lassen sich ein einzelner Abschnitt und eine vorbereitete Sammlung über denselben Endpunkt verarbeiten. Das JSON-Ergebnis enthält data[].embedding und data[].index sowie das gewählte model und usage.

Teilen Sie für eine Wissenssammlung Quelldokumente in Abschnitte auf, die die Definitionen und den Kontext für spätere Leser bewahren. Verwalten Sie Dokument-IDs in Ihrer Anwendung und ordnen Sie jeden Vektor seiner übermittelten Position zu. Ein Suchablauf kann die Anfrage des Nutzers mit demselben Modell kodieren und den Quellabschnitt neben jedem gefundenen Ergebnis aufbewahren.

Speichern Sie die vollständige synchrone Antwort, bevor Sie die Vektoren dauerhaft ablegen. Prüfen Sie die Zuordnung von Eingaben zu Indizes, bewahren Sie alle zurückgegebenen Vektoren auf und speichern Sie usage beim Vorgang. Die genaue Modellidentität bei gespeicherten Embeddings macht deutlich, welche Sammlung und welche Darstellung einer Suchanfrage zusammengehören.

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · Embeddings POST /v1/embeddings
Eingabe
text
Ausgabe
embedding
FeldTypAnforderungWerte und LimitsStandard
FeldmodelTypstringAnforderungErforderlichWerte und Limits
Baichuan-Text-Embedding
Bedingungen: Verwenden Sie genau diesen Ailoot-Routingselektor.
Standard—
FeldinputTypstring or array<string>AnforderungErforderlichWerte und Limits
Bedingungen:
Standard—
Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragmodel, input
ParameteroptionalVertrag
Parametermaterial_typesVertragtext
ParameterconditionsVertragVerwenden Sie genau diesen Ailoot-Routingselektor.

Lebenszyklus: synchronous_json

Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus
Nicht angegeben Wenn der Schnellmodus ausgewählt ist
Flex-Modus
Nicht angegeben Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand
Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird

Ailoot-Tarife

Preise nach Konfiguration

KonfigurationTarifstaffelGebühr
KonfigurationToken-BasistarifeTarifstaffelGrundtarifGebühr
Eingabe · Eingabetoken $0.00016 / 1K Tokens
Ausgabe · Ausgabetoken $0 / 1K Tokens
Eingabe · Cache lesen — / 1K Tokens
Eingabe · Cache schreiben — / 1K Tokens
Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens

Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →

Beispielanfragen

Ailoot Ultra · Embeddings

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.\n

Ergebnisse abrufen und speichern

Aliasnamen

Modellaliasnamen

Ailoot Ultra Baichuan-Text-Embedding

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

Baichuan-Text-Embedding

", "method_identity": { "effective_request_model_id": "Baichuan-Text-Embedding", "fmt": "embeddings", "http": "POST", "path": "/v1/embeddings", "request_model_id": "Baichuan-Text-Embedding", "route_label": "Ultra" }, "method_key": "Ultra|embeddings|/v1/embeddings|Baichuan-Text-Embedding", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "accepted_material_guidance": { "conditions": [ "Send text with the selected model; retain every returned vector and its index." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [], "required": [ "model", "input" ] }, "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "authentication": { "header": "Authorization", "scheme": "Bearer", "value": "$AILOOT_API_KEY" }, "errors": [ { "condition": "Ein Pflichtfeld, die Modellauswahl, der Typ oder die Eingabedarstellung ist ungültig.", "http_status": 400, "recovery": "Prüfen Sie die zurückgegebenen Validierungsdetails, bevor Sie eine separate Anfrage vorbereiten.", "type": "invalid_request_error" }, { "condition": "Die ursprüngliche Anfrage oder ihr Ergebnis ist unbekannt oder muss geprüft werden.", "http_status": null, "recovery": "Bewahren Sie die ursprünglichen Kennungen und Header auf; lesen Sie nur unterstützte Status- oder Bibliothekseinträge. Senden Sie den Erstellungsauftrag nicht erneut.", "type": null } ], "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/embeddings" }, "mode": "synchronous_json", "status": [], "unknown": "Bewahren Sie die ursprüngliche X-Client-Request-ID, Antwort und Header auf. Ein unbekanntes Ergebnis oder ein Ergebnis mit dem Status result_pending_check berechtigt nicht zu einem zweiten Erstellungsauftrag.", "unknown_no_replay": true }, "outputs": { "all_results": "Bewahren Sie die vollständige Antwort samt Headern, ursprünglichen Kennungen, jeder tatsächlichen Ausgabe sowie sämtlichen Verbrauchs- und Abrechnungsfeldern auf. Speichern Sie jedes eindeutige, Ihnen zugeordnete Asset und bewahren Sie jede Rolle auf, die darauf verweist.", "every_actual_output": true, "family": "embedding", "fields": [ { "name": "data[].index", "type": "integer" }, { "name": "data[].embedding", "type": "array" }, { "name": "model", "type": "string" }, { "name": "usage", "type": "object" } ] }, "parameters": [ { "conditions": "Verwenden Sie genau diesen Ailoot-Routingselektor.", "default_known": false, "enum": [ "Baichuan-Text-Embedding" ], "enum_known": true, "maximum_length": null, "name": "model", "required": true, "type": "string" }, { "conditions": "", "default_known": false, "enum_known": false, "maximum_length": null, "name": "input", "oneOf": [ { "minLength": 1, "type": "string" }, { "items": { "minLength": 1, "type": "string" }, "minItems": 1, "type": "array" } ], "required": true, "type": "string or array" } ], "request_schema": { "additionalProperties": true, "properties": { "input": { "oneOf": [ { "minLength": 1, "type": "string" }, { "items": { "minLength": 1, "type": "string" }, "minItems": 1, "type": "array" } ] }, "model": { "enum": [ "Baichuan-Text-Embedding" ], "type": "string" } }, "required": [ "model", "input" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "input": "The quick brown fox jumps over the lazy dog", "model": "Baichuan-Text-Embedding" }, "content_type": "application/json", "example_is_offline_content": true }, "usage": { "meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.", "preserve": "Keep all returned usage, accounting and request identifiers with every actual output.", "settlement": "Retain the original operation; reconcile its result and accounting once." } }, "input": { "conditions": [ "Verwenden Sie genau diesen Ailoot-Routingselektor." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [], "required": [ "model", "input" ] }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/embeddings" }, "mode": "synchronous_json", "status": [], "unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/embeddings" }, "method_aliases": [], "output": { "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "every_actual_output": true, "family": "embedding", "fields": [ { "name": "data[].index", "type": "integer" }, { "name": "data[].embedding", "type": "array" }, { "name": "model", "type": "string" }, { "name": "usage", "type": "object" } ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00016000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000016", "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}\"\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.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "in": 0.16, "input": [ "text" ], "label": "Embeddings", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "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": "0.00016000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000016", "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": "Baichuan-Text-Embedding", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00016000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000016", "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": "Baichuan-Text-Embedding", "nativeProvenance": { "input_facts_canonical_sha256": "79cf34318ac06d67260169ccc9d4e0c945b9176280f89fbc3b3728355426d323", "input_html_sha256": "3419c8b95cf75193812826c60eddc6b0c6eee233e3e65c73d0f32cffe42779f8", "private_audit_sha256": "ed36bd9295794ce4ce1a74e4650d4bd232baf676c998b229c5268c43fb25f94e", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/de-ch/baichuan-text-embedding/", "description": "Baichuan-Text-Embedding liefert über Ailoots Embeddings-API numerische Vektoren für bereitgestellten Text. Übermitteln Sie einen Abschnitt oder eine Liste und bewahren Sie beim Aufbau einer durchsuchbaren Sammlung die Antwortindizes auf.", "locale": "de-ch", "md_url": "https://ailoot.ai/models/de-ch/baichuan-text-embedding/index.md", "title": "Baichuan-Text-Embedding — Ailoot", "url": "https://ailoot.ai/models/de-ch/baichuan-text-embedding/" }, "rawModel": { "about": "Wählen Sie Baichuan-Text-Embedding in einer Anfrage an /v1/embeddings. Das erforderliche Feld input akzeptiert eine nicht leere Zeichenfolge oder ein nicht leeres Array von Zeichenfolgen. So lassen sich ein einzelner Abschnitt und eine vorbereitete Sammlung über denselben Endpunkt verarbeiten. Das JSON-Ergebnis enthält data[].embedding und data[].index sowie das gewählte model und usage.\n\nTeilen Sie für eine Wissenssammlung Quelldokumente in Abschnitte auf, die die Definitionen und den Kontext für spätere Leser bewahren. Verwalten Sie Dokument-IDs in Ihrer Anwendung und ordnen Sie jeden Vektor seiner übermittelten Position zu. Ein Suchablauf kann die Anfrage des Nutzers mit demselben Modell kodieren und den Quellabschnitt neben jedem gefundenen Ergebnis aufbewahren.\n\nSpeichern Sie die vollständige synchrone Antwort, bevor Sie die Vektoren dauerhaft ablegen. Prüfen Sie die Zuordnung von Eingaben zu Indizes, bewahren Sie alle zurückgegebenen Vektoren auf und speichern Sie usage beim Vorgang. Die genaue Modellidentität bei gespeicherten Embeddings macht deutlich, welche Sammlung und welche Darstellung einer Suchanfrage zusammengehören.", "alias_of": null, "aliases": [], "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.00016000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000016", "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": "Die vollständigen Preisangaben zur Konfiguration finden Sie in den Details." } ], "ctx": null, "formats": [ "embeddings" ], "id": "Baichuan-Text-Embedding", "input": [ "text" ], "kind": "embedding", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "accepted_material_guidance": { "conditions": [ "Send text with the selected model; retain every returned vector and its index." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [], "required": [ "model", "input" ] }, "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "authentication": { "header": "Authorization", "scheme": "Bearer", "value": "$AILOOT_API_KEY" }, "errors": [ { "condition": "Ein Pflichtfeld, die Modellauswahl, der Typ oder die Eingabedarstellung ist ungültig.", "http_status": 400, "recovery": "Prüfen Sie die zurückgegebenen Validierungsdetails, bevor Sie eine separate Anfrage vorbereiten.", "type": "invalid_request_error" }, { "condition": "Die ursprüngliche Anfrage oder ihr Ergebnis ist unbekannt oder muss geprüft werden.", "http_status": null, "recovery": "Bewahren Sie die ursprünglichen Kennungen und Header auf; lesen Sie nur unterstützte Status- oder Bibliothekseinträge. Senden Sie den Erstellungsauftrag nicht erneut.", "type": null } ], "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/embeddings" }, "mode": "synchronous_json", "status": [], "unknown": "Bewahren Sie die ursprüngliche X-Client-Request-ID, Antwort und Header auf. Ein unbekanntes Ergebnis oder ein Ergebnis mit dem Status result_pending_check berechtigt nicht zu einem zweiten Erstellungsauftrag.", "unknown_no_replay": true }, "outputs": { "all_results": "Bewahren Sie die vollständige Antwort samt Headern, ursprünglichen Kennungen, jeder tatsächlichen Ausgabe sowie sämtlichen Verbrauchs- und Abrechnungsfeldern auf. Speichern Sie jedes eindeutige, Ihnen zugeordnete Asset und bewahren Sie jede Rolle auf, die darauf verweist.", "every_actual_output": true, "family": "embedding", "fields": [ { "name": "data[].index", "type": "integer" }, { "name": "data[].embedding", "type": "array" }, { "name": "model", "type": "string" }, { "name": "usage", "type": "object" } ] }, "parameters": [ { "conditions": "Verwenden Sie genau diesen Ailoot-Routingselektor.", "default_known": false, "enum": [ "Baichuan-Text-Embedding" ], "enum_known": true, "maximum_length": null, "name": "model", "required": true, "type": "string" }, { "conditions": "", "default_known": false, "enum_known": false, "maximum_length": null, "name": "input", "oneOf": [ { "minLength": 1, "type": "string" }, { "items": { "minLength": 1, "type": "string" }, "minItems": 1, "type": "array" } ], "required": true, "type": "string or array" } ], "request_schema": { "additionalProperties": true, "properties": { "input": { "oneOf": [ { "minLength": 1, "type": "string" }, { "items": { "minLength": 1, "type": "string" }, "minItems": 1, "type": "array" } ] }, "model": { "enum": [ "Baichuan-Text-Embedding" ], "type": "string" } }, "required": [ "model", "input" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "input": "The quick brown fox jumps over the lazy dog", "model": "Baichuan-Text-Embedding" }, "content_type": "application/json", "example_is_offline_content": true }, "usage": { "meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.", "preserve": "Keep all returned usage, accounting and request identifiers with every actual output.", "settlement": "Retain the original operation; reconcile its result and accounting once." } }, "input": { "conditions": [ "Verwenden Sie genau diesen Ailoot-Routingselektor." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [], "required": [ "model", "input" ] }, "lifecycle": { "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/embeddings" }, "mode": "synchronous_json", "status": [], "unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/embeddings" }, "method_aliases": [], "output": { "all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.", "every_actual_output": true, "family": "embedding", "fields": [ { "name": "data[].index", "type": "integer" }, { "name": "data[].embedding", "type": "array" }, { "name": "model", "type": "string" }, { "name": "usage", "type": "object" } ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00016000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000016", "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}\"\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.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "embeddings", "http": "POST", "in": 0.16, "input": [ "text" ], "label": "Embeddings", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "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": "0.00016000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000016", "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": "Baichuan-Text-Embedding", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00016000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000016", "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": "Baichuan-Text-Embedding", "request_model_id": "Baichuan-Text-Embedding", "route_label": "Ultra" } ], "name": "Baichuan-Text-Embedding", "price": { "in": 0.16, "in_label": null, "out": 0, "out_label": null, "scope_label": "Token rates", "sort_in": 0.16, "sort_out": 0, "varies": false }, "short": "Baichuan-Text-Embedding liefert über Ailoots Embeddings-API numerische Vektoren für bereitgestellten Text. Übermitteln Sie einen Abschnitt oder eine Liste und bewahren Sie beim Aufbau einer durchsuchbaren Sammlung die Antwortindizes auf.", "title": "Baichuan-Text-Embedding" }, "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": "Baichuan-Text-Embedding liefert über Ailoots Embeddings-API numerische Vektoren für bereitgestellten Text. Übermitteln Sie einen Abschnitt oder eine Liste und bewahren Sie beim Aufbau einer durchsuchbaren Sammlung die Antwortindizes auf.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "d4258e95b677d3133b979690c2ba34c188ba4f80576dd555d510aa1cd0ffa409", "renderer_sha256": "76caa42c097db2ddc47d1e1e6fe7ca45c8363d7211296daf28e4352971e6c0c8" }, "sourceRevision": "42fcc9856e1c80d2450bef43bea506fa57cc508c3bc23629fa3a3d98586632b2" }