Source: https://ailoot.ai/models/de-ch/perplexity-pplx-embed-v1-4b/ Canonical: https://ailoot.ai/models/de-ch/perplexity-pplx-embed-v1-4b/ Language: de-ch # Perplexity: Embed V1 4B [Markdown](https://ailoot.ai/models/de-ch/perplexity-pplx-embed-v1-4b/index.md) · [JSON](https://ailoot.ai/models/de-ch/perplexity-pplx-embed-v1-4b/facts.json) ## [Perplexity: Embed V1 4B](https://ailoot.ai/models/de-ch/perplexity-pplx-embed-v1-4b/) Perplexity pplx-embed-v1-4B kodiert eigenständige Texte in 2560-dimensionale Suchvektoren mit einem Kontext von 32K. Das Modell benötigt kein Anweisungspräfix und erzeugt nativ nicht normalisierte INT8-Embeddings, die anhand der Kosinusähnlichkeit verglichen werden. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `perplexity/pplx-embed-v1-4b`](https://ailoot.ai/models/de-ch/perplexity-pplx-embed-v1-4b/#method-0) 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. pplx-embed-v1-4B ist die grössere unabhängige Text-Embedding-Edition von Perplexity in der v1-Familie. Sie stellt Anfragen oder Dokumente als 2560-dimensionale Vektoren für semantische Suche und Abruf dar. Der Hersteller baut die Familie auf Qwen3 mit fortgesetztem Diffusions-Vortraining auf und nutzt Mean-Pooling für die Textrepräsentation. Dieser unabhängige Encoder unterscheidet sich von pplx-embed-context-v1, das Dokument-Chunks unter Einbeziehung des umgebenden Kontexts repräsentiert. #### Den tatsächlichen Text direkt einbetten Das Modell benötigt weder eine Instruktionszeichenkette noch ein Query- oder Passage-Präfix. Bereiten Sie den Text vor, der repräsentiert werden soll, statt eine Rollenkonvention aus einer anderen Familie zu übernehmen. Eine Suchsammlung kann Quelldokumente, fokussierte Passagen oder kurze Textdatensätze enthalten. Bewahren Sie den ursprünglichen Wortlaut und die Kennung jedes Elements neben seinem Vektor auf, damit ein abgerufenes Ergebnis lesbar und nachvollziehbar bleibt. Eine praktische Aufgabe besteht darin, zu einer Frage nach den Bedingungen einer technischen Erläuterung den passenden Abschnitt abzurufen. Halten Sie Abschnittsüberschrift, Regel und Ausnahme zusammen. Der Wortlaut der Anfrage wird unabhängig eingebettet und dann mit den vorbereiteten Korpusrepräsentationen verglichen. Eine spätere RAG-Stufe verwendet den Text der zurückgegebenen Passage als Quellmaterial, nicht den Vektor selbst. #### Native Repräsentation und Vergleich Der Hersteller gibt ausdrücklich an, dass die nativen Embeddings nicht normalisiert und INT8-quantisiert sind. Vergleichen Sie sie per Kosinus-Ähnlichkeit. Ein reines Skalarprodukt auf diesen nicht normalisierten Werten ist nicht das dokumentierte Äquivalent zum Kosinusvergleich. Repräsentationstyp und Ähnlichkeitsfunktion gehören daher zusammen, wenn Sie festlegen, wie ein Suchindex die Ausgabe speichert und vergleicht. Die Modellkarte dokumentiert ausserdem eine binäre Ausgabe und weist Unterstützung für Matryoshka-Repräsentationen aus. Binäre Komponenten und ihre gepackte Speicherung unterscheiden sich von gewöhnlichen Gleitkomma-Arrays; der Index muss die gewählte Repräsentation daher entsprechend interpretieren. Die volle Embedding-Dimension beschreibt die Komponenten der Repräsentation, nicht die Anzahl der Bytes in jeder Kodierung. Halten Sie Dimension und Ausgabetyp auf Anfrage- und Dokumentseite einheitlich. #### Länge und Dokumentgrenzen Der veröffentlichte Kontext des Modells beträgt 32K. Damit lässt sich umfangreicher Text repräsentieren, während sich die Granularität der Passagen weiterhin danach richten sollte, was die Suche zurückgeben soll. Ein vollständiger Abschnitt kann eine Definition samt ihren Einschränkungen enthalten; ein fokussierter Auszug kann direkt auf eine Anweisung verweisen. Übergrosses Material sollte passend zum gewählten Eingabefenster vorbereitet werden, statt davon auszugehen, dass ein ausgelassener Rest weiterhin repräsentiert ist. Bewahren Sie eine Kennung des übergeordneten Dokuments und die Quellversion ausserhalb des Vektors auf. Wenn sich der Text ändert, aktualisieren Sie die zugehörige Korpusrepräsentation und behalten Sie die Verbindung zur neuen Quelle bei. Prüfen Sie bei einer Sammlung mit mehreren Sprachen die tatsächlichen Fragen und Kandidatenpassagen im vorgesehenen Sprachmix, statt allein aus der Bezeichnung «mehrsprachig» auf gleiche Relevanz zu schliessen. #### Unabhängige und kontextuelle Editionen Das Modell v1-4B bettet jeden übergebenen Text unabhängig ein. Werden mehrere Zeichenketten in einem Batch übergeben, wird es dadurch nicht zum eigenständigen Chunk-Encoder context-v1. Wenn das umgebende Dokument die Repräsentation jedes Chunks prägen soll, gehört diese Aufgabe zur kontextuellen Edition und deren eigener Vorbereitung. Das kleinere pplx-embed-v1-0.6B liefert 1024 Dimensionen, diese 4B-Edition dagegen 2560. Halten Sie ihre genauen Identitäten und Indexrepräsentationen getrennt, sofern kein dokumentierter Kompatibilitätsweg besteht. Das nützliche Ergebnis ist hier ein unabhängiger Vektor für Anfrage oder Quelltext, wobei der Kosinusvergleich und die gewählte quantisierte Repräsentation für die Abrufaufgabe festgehalten werden. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `perplexity/pplx-embed-v1-4b` [`perplexity/pplx-embed-v1-4b`](https://ailoot.ai/models/de-ch/#m=perplexity%2Fpplx-embed-v1-4b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-4b&fmt=embeddings) Perplexity /`perplexity/pplx-embed-v1-4b` ### Einstieg Perplexity pplx-embed-v1-4B kodiert eigenständige Texte in 2560-dimensionale Suchvektoren mit einem Kontext von 32K. Das Modell benötigt kein Anweisungspräfix und erzeugt nativ nicht normalisierte INT8-Embeddings, die anhand der Kosinusähnlichkeit verglichen werden. Zulässige Eingaben Text · token\_ids Ergebnisse embedding ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Eingabe `text`, `token_ids` Ausgabe `embedding` Kontext 32'000 tokens Ausgabeformat json | Feld | Typ | Anforderung | Werte und Limits | Standard | | --- | --- | --- | --- | --- | | Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits perplexity/pplx-embed-v1-4b | Standard— | | Feld`input` | Typ`string\|string[]\|integer[]\|integer[][]` | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 Bedingungen: Nicht leerer, homogener Batch. Token-IDs sind nichtnegative Ganzzahlen. Eingabebudget: Maximum: 32'000 · Texteinheit: UTF8-Bytes · Tokeneinheit: Elemente des Token-Arrays | Standard— | | Feld`encoding_format` | Typ`string` | AnforderungOptional | Werte und Limits float | Standardfloat | | Feld`dimensions` | Typ`integer` | AnforderungNicht unterstützt | Werte und Limits Minimum: 1 | Standard— | | Feld`user` | Typ`json_value` | AnforderungOptional | Werte und Limits Bedingungen: Der Quellcode erlaubt dieses JSON-Metadatenfeld; die genaue Semantik beim vorgelagerten Anbieter ist modellspezifisch. | Standard— | | Feld`session_id` | Typ`json_value` | AnforderungOptional | Werte und Limits Bedingungen: Der Quellcode erlaubt dieses JSON-Metadatenfeld; die genaue Semantik beim vorgelagerten Anbieter ist modellspezifisch. | Standard— | | Feld`trace` | Typ`json_value` | AnforderungOptional | Werte und Limits Bedingungen: Der Quellcode erlaubt dieses JSON-Metadatenfeld; die genaue Semantik beim vorgelagerten Anbieter ist modellspezifisch. | Standard— | | Feld`provider` | Typ`object` | AnforderungOptional | Werte und Limits Bedingungen: provider.options abgelehnt | Standard— | Kombinationen von Eingabematerialien **text\_to\_embedding** Methodenparameter und Lebenszyklus | Parameter | Vertrag | | --- | --- | | Parameter`content_type` | Vertragapplication/json | | Parameter`required` | Vertragmodel, input | | Parameter`input_shapes` | Vertragstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parameter`encoding_format` | Vertragfloat | | Parameter`dimensions_override` | Vertragfalse | | Parameter`max_input_budget_units` | Vertrag32000 | | Parameter`multimodal_objects` | Vertragfalse | | Parameter`material_types` | Vertragtext, token\_ids | Lebenszyklus: `synchronous_json` Jeden Vektorindex und jede Dimension beibehalten. Ein multimodaler Modellname erlaubt auf genau diesem Pfad keine Bildobjekte. ### Tarife Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode. Schnellmodus Standardtarif Wenn der Schnellmodus ausgewählt ist Flex-Modus Standardtarif Wenn der Modus flex ausgewählt ist Maximaler Denkaufwand Standardtarif Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird #### Ailoot-Tarife #### Preise nach Konfiguration | Konfiguration | Tarifstaffel | Gebühr | | --- | --- | --- | | KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken **$0.00006** / 1K Tokens Ausgabe · Ausgabetoken **$0** / 1K Tokens Eingabe · Cache lesen **—** / 1K Tokens Eingabe · Cache schreiben **—** / 1K Tokens Eingabe · Cache schreiben, 1 Stunde **—** / 1K Tokens | Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de-ch/billing/reserve/) ### Beispielanfragen #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "perplexity/pplx-embed-v1-4b", "input": ["First document", "Second document"]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")})) PY_RESULT ``` ```python from openai import OpenAI import os client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.embeddings.create(model='perplexity/pplx-embed-v1-4b',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Ergebnisse abrufen und speichern #### Ailoot Ultra · Embeddings json ##### Alle fertiggestellten Ergebnisse aufbewahren Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf. Jeden Vektor mit seinem Index beibehalten. Die Anzahl der Vektoren muss der Anzahl der Eingaben entsprechen; die Dimensionen müssen konsistent sein. ##### Wenn die ursprüngliche Antwort geprüft werden muss Es wird kein Endpunkt für Embedding-Aufträge eingeführt. Antwortfelder | Feld | Typ | | --- | --- | | Feld`object` | Typstring | | Feld`model` | Typstring | | Feld`data[].index` | Typinteger | | Feld`data[].embedding` | Typfinite float\[\] | | Feld`usage` | Typobject | Fehler und nächste Schritte | Antwort | Bedingung | Nächster Schritt | | --- | --- | --- | | Antwort400 · `invalid_request_error` | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. | ### Aliasnamen #### Modellaliasnamen **Ailoot Ultra** [`perplexity/pplx-embed-v1-4b`](https://ailoot.ai/models/de-ch/#m=perplexity%2Fpplx-embed-v1-4b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-4b&fmt=embeddings) #### Aliasnamen für Methodenpfade Verwenden Sie die oben angezeigten Methodenpfade. #### Zugehörige Aufrufer-IDs [`perplexity/pplx-embed-v1-4b`](https://ailoot.ai/models/de-ch/#m=perplexity%2Fpplx-embed-v1-4b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-4b&fmt=embeddings) FAQ · Perplexity: Embed V1 4B Welche Eingaben und Ergebnisse sind verfügbar? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-4b`: `text`, `token_ids` → `embedding` Welche Felder verwendet die Anfrage? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-4b`: `model`, `input`, `encoding_format`, `provider` Welche Grenzen gelten? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-4b`: `ctx`: `32000`; `input.budget.maximum`: `32000` (UTF8-Bytes); `input.min_items`: `1` Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung. ## Das Unternehmen und sein Projektportfolio Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. ## Tokens mit Rabatt kaufen. Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf. Abo Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen. Aktionscode bis 50% Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet. Ausgaben in der Historie Modell, Tokens und Betrag werden für jede Anfrage gespeichert. [Abo wählen](https://ailoot.ai/docs/de-ch/billing/subscriptions/) · [Modellpreise ansehen](https://ailoot.ai/models/de-ch/) ## Verbinden Sie die API mit dem Produkt, das Sie verkaufen. SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an. Kommerzielle Anwendung Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes. Reseller-Lizenz Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an. Dokumente auf der Website Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich. [Reseller-Lizenz anfordern](mailto:support@ailoot.ai) · [Offizielles Angebot und Lizenzvertrag](https://ailoot.ai/legal/offer?lang=de-ch) ## Ailoot · Das Unternehmen und sein Projektportfolio Ailoot baut auf bewährte Betriebserfahrung, einen großen Kundenstamm, stabilen Service und kontinuierliche KPI-Kontrolle. Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. Ailoot nutzt diese Betriebserfahrung für den API-Zugang zu KI-Funktionen in Kundenprodukten, Agenten, Anwendungen und Automatisierungen.