Source: https://ailoot.ai/models/de/perplexity-pplx-embed-v1-0-6b/ Canonical: https://ailoot.ai/models/de/perplexity-pplx-embed-v1-0-6b/ Language: de # Perplexity: Embed V1 0.6B [Markdown](https://ailoot.ai/models/de/perplexity-pplx-embed-v1-0-6b/index.md) · [JSON](https://ailoot.ai/models/de/perplexity-pplx-embed-v1-0-6b/facts.json) ## [Perplexity: Embed V1 0.6B](https://ailoot.ai/models/de/perplexity-pplx-embed-v1-0-6b/) Perplexity pplx-embed-v1-0.6B erzeugt 1024-dimensionale Embeddings für den unabhängigen mehrsprachigen Textabruf. Der Kontext von 32K, die direkte Textvorbereitung und native INT8- oder Binärrepräsentationen definieren ein kleineres Indexprofil der v1-Familie. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/de/perplexity-pplx-embed-v1-0-6b/#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-v1-0.6B ist das kleinere unabhängige Embedding-Modell von Perplexity in der v1-Familie. Es wandelt Anfrage- oder Dokumenttext in eine 1024-dimensionale Repräsentation für Abruf und semantische Suche um. Der Hersteller beschreibt eine auf Qwen3 basierende Familie, die durch fortgesetztes Diffusions-Vortraining angepasst wurde, mit Mean-Pooling und einem Kontext von 32K. Das Modell kodiert den übergebenen Text direkt, ohne dass ein Instruktionspräfix erforderlich ist. #### Einen unabhängigen Datensatz vorbereiten Eine nützliche Sammlung kann Produkterläuterungen, Abschnitte einer Wissensdatenbank oder kurze Recherchenotizen enthalten. Geben Sie jedem Text genug Quellkontext, damit er verständlich ist, wenn die Suche ihn zurückgibt: eine Überschrift, die gesuchte Aussage und die Bedingung, die ihre Bedeutung verändert. Bewahren Sie den Originaltext und die Datensatzkennung zusammen mit dem resultierenden Embedding auf. Bei einer Notizsuche sollte eine Frage danach, was sich an einem Prozess geändert hat, die Notiz abrufen, die diese Änderung beschreibt. Betten Sie die tatsächliche Frage ein und vergleichen Sie sie mit den vorbereiteten Korpusdatensätzen. Fügen Sie nicht standardmäßig die Query- oder Passage-Instruktion einer anderen Modellfamilie hinzu; direkter Text ist die vom Hersteller dokumentierte Vorbereitung für dieses Modell. #### Quantisierte Vektoren und Kosinusvergleich Die native Repräsentation ist ein nicht normalisiertes INT8-Embedding. Perplexity empfiehlt ausdrücklich die Kosinus-Ähnlichkeit für den Vergleich. Ein reiner Skalarprodukt-Wert auf nicht normalisierter Ausgabe verändert den Vergleich, weil die Vektorlänge darin einfließt. Wählen Sie einen Suchindex und einen Bewertungsweg, die die gewählte Repräsentation und Metrik gemeinsam interpretieren können. Eine binäre Repräsentation ist ebenfalls dokumentiert, und die Modelltabelle weist Matryoshka-Unterstützung aus. Diese Repräsentationsoptionen können für die Indexspeicherung relevant sein, ihre Komponenten und gepackten Bytes müssen jedoch korrekt interpretiert werden. Die volle 1024-dimensionale Ausgabe unterscheidet sich vom 2560-dimensionalen 4B-Modell. Eine Änderung der Modellgröße oder der Ausgaberepräsentation sollte auf Anfrage- und Korpusseite geprüft und nicht automatisch als gemeinsamer Raum behandelt werden. #### Den Kontext gezielt nutzen Die Kontextspezifikation des Herstellers beträgt 32K. Eine lange Notiz oder ein Dokumentabschnitt kann mehr umgebende Erläuterung aufnehmen als bei einem Encoder mit kurzem Fenster, während die Abrufeinheit weiterhin einen klaren Zweck braucht. Legen Sie fest, ob ein Treffer einen ganzen Abschnitt oder eine fokussierte, antwortrelevante Passage zurückgeben soll. Halten Sie Definitionen und Ausnahmen bei der Aussage, die sie einschränken. Bewahren Sie bei umfangreicherem Quellmaterial die Kennung des übergeordneten Dokuments und die Version außerhalb des Vektors auf. So führt das Suchergebnis zurück zur Quelle, und geänderter Text kann seine zugehörige Repräsentation ersetzen. Prüfen Sie Kandidatenergebnisse anhand echter Fragen im vorgesehenen Sprachmix und stellen Sie sicher, dass die Passage die angeforderte Information liefert, statt nur ein ähnliches Thema zu behandeln. #### Unabhängige und kontextuelle Verarbeitung trennen Die Modellkarte unterscheidet diesen unabhängigen Encoder von pplx-embed-context-v1-0.6B. Das kontextuelle Modell nutzt das Dokumentumfeld für die Repräsentation von Chunks; das gewöhnliche v1-Modell repräsentiert jeden übergebenen Text für sich. Eine Liste unabhängiger Zeichenketten belegt nicht, dass eine kontextuelle Chunk-Verarbeitung stattgefunden hat. Das nützliche Ergebnis ist eine Korpusrepräsentation oder ein Anfragevektor, der mit dem tatsächlichen Quelltext verknüpft ist, wobei das gewählte INT8- oder Binärformat und der Kosinusvergleich festgehalten werden. Eine spätere Ranking- oder RAG-Antwortstufe nutzt den abgerufenen Text als separates Artefakt. Dieses Profil gehört zur genauen unabhängigen Edition 0.6B, nicht zu den Modellen 4B oder context-v1. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `perplexity/pplx-embed-v1-0.6b` [`perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/de/#m=perplexity%2Fpplx-embed-v1-0.6b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-0.6b&fmt=embeddings) Perplexity /`perplexity/pplx-embed-v1-0.6b` ### Start Perplexity pplx-embed-v1-0.6B erzeugt 1024-dimensionale Embeddings für den unabhängigen mehrsprachigen Textabruf. Der Kontext von 32K, die direkte Textvorbereitung und native INT8- oder Binärrepräsentationen definieren ein kleineres Indexprofil der v1-Familie. Zulässige Eingaben Text · token\_ids Ergebnisse embedding ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Eingabetypen `text`, `token_ids` Ausgabetypen `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-v1-0.6b | 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 **$0.000008** / 1K Token Ausgabe · Ausgabetoken **$0** / 1K Token Eingabe · Cache-Lesen **—** / 1K Token Eingabe · Cache-Schreiben **—** / 1K Token Eingabe · Cache-Schreiben, 1 Stunde **—** / 1K Token | Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de/billing/reserve/) ### Beispielanfragen #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${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-v1-0.6b", "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-v1-0.6b',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-v1-0.6b`](https://ailoot.ai/models/de/#m=perplexity%2Fpplx-embed-v1-0.6b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-0.6b&fmt=embeddings) #### Aliasnamen für Methodenpfade Verwenden Sie die oben angezeigten Methodenpfade. #### Zugehörige Aufrufer-IDs [`perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/de/#m=perplexity%2Fpplx-embed-v1-0.6b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-0.6b&fmt=embeddings) FAQ · Perplexity: Embed V1 0.6B Welche Eingaben und Ergebnisse sind verfügbar? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-0.6b`: `text`, `token_ids` → `embedding` Welche Felder verwendet die Anfrage? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-0.6b`: `model`, `input`, `encoding_format`, `provider` Welche Grenzen gelten? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-0.6b`: `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/billing/subscriptions/) · [Modellpreise ansehen](https://ailoot.ai/models/de/) ## 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) ## 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.