Το voyage-4 είναι το μοντέλο embeddings κειμένου μεσαίου μεγέθους της Voyage AI στην οικογένεια Voyage 4. Μετατρέπει το κείμενο ερωτήματος και εγγράφου σε αριθμητικά διανύσματα για ανάκτηση γενικής χρήσης και πολυγλωσσική ανάκτηση. Η καθοριστική δυνατότητα της οικογένειας είναι κοινός χώρος embeddings: τα voyage-4, voyage-4-large, voyage-4-lite και voyage-4-nano παράγουν συμβατές αναπαραστάσεις, επιτρέποντας στις πλευρές ερωτήματος και εγγράφου μιας εργασίας αναζήτησης να χρησιμοποιούν διαφορετικά μοντέλα αυτής της οικογένειας.
Ο κατασκευαστής ονομάζει ασύμμετρη ανάκτηση τη χρήση διαφορετικών μοντέλων ερωτήματος και corpus. Ένα τεκμηριωμένο μοτίβο είναι η προετοιμασία του corpus με voyage-4-large και η αναζήτησή του με embeddings ερωτημάτων voyage-4. Τα embeddings του corpus δημιουργούνται μία φορά ή όταν αλλάζει το υλικό πηγής του, ενώ τα διανύσματα ερωτημάτων δημιουργούνται καθώς φτάνουν αναζητήσεις. Ο κοινός χώρος επιτρέπει αλλαγή επιλογής μοντέλου στην πλευρά ερωτήματος μέσα στην οικογένεια χωρίς απαίτηση εκ νέου embeddings του corpus αποκλειστικά για αυτή την αλλαγή.
Κρατήστε τη διάσταση εξόδου και την αναπαράσταση συμβατές μεταξύ συγκρινόμενων διανυσμάτων. Η δήλωση κοινού χώρου αφορά τα ονομασμένα μοντέλα κειμένου Voyage 4· δεν τεκμηριώνεται απλώς επειδή δύο άσχετα μοντέλα επιστρέφουν πίνακες ίδιου μήκους. Μια πρακτική εργασία μπορεί επομένως να χρησιμοποιεί voyage-4 και στις δύο πλευρές αναζήτησης ή να χρησιμοποιεί τα διανύσματα ερωτημάτων του με υπάρχον ευρετήριο εγγράφων voyage-4-large όταν ταιριάζουν οι ρυθμίσεις αναπαράστασής τους.
Για ανάκτηση, η Voyage συνιστά προσδιορισμό του κειμένου εισόδου ως ερωτήματος ή εγγράφου. Η επιλογή ρόλου εισόδου παρέχει την αντίστοιχη οδηγία ανάκτησης πριν τη διανυσματοποίηση. Προετοιμάστε αποσπάσματα του corpus ως έγγραφα και τη διατύπωση αναζήτησης του χρήστη ως ερώτημα, κρατώντας το πραγματικό κείμενο πηγής και τα αναγνωριστικά μαζί με κάθε αποθηκευμένο διάνυσμα.
Για παράδειγμα, μια συλλογή αναζήτησης γνώσης μπορεί να ευρετηριάζει τεχνικές οδηγίες και επεξηγήσεις προϊόντων. Ένα ερώτημα για το τι συμβαίνει μετά από αποτυχημένη εισαγωγή πρέπει να επιστρέφει το απόσπασμα πηγής που περιγράφει αυτή τη συμπεριφορά. Διατηρήστε τις επικεφαλίδες, τις σχετικές συνθήκες και τη θέση πηγής μαζί με το απόσπασμα ώστε το αποτέλεσμα αναζήτησης να εξετάζεται ή να χρησιμοποιείται από μεταγενέστερο στάδιο απάντησης RAG. Το embedding είναι η αριθμητική αναπαράσταση ανάκτησης· το υποκείμενο απόσπασμα αποτελεί την τεκμηρίωση που χρησιμοποιείται σε εκείνο το μεταγενέστερο στάδιο.
Το τεκμηριωμένο παράθυρο συμφραζομένων ανά κείμενο είναι 32.000 tokens. Οι επιλέξιμες διαστάσεις είναι 256, 512, 1024 και 2048, με προεπιλογή 1024. Η μάθηση Matryoshka παρέχει αυτά τα εμφωλευμένα μεγέθη αναπαράστασης. Η έξοδος μπορεί να χρησιμοποιεί κινητή υποδιαστολή 32 bits, προσημασμένους ή μη προσημασμένους ακεραίους 8 bits ή συσκευασμένες δυαδικές τιμές, χάρη στην προετοιμασία της οικογένειας που λαμβάνει υπόψη τον κβαντισμό.
Με συσκευασμένη δυαδική έξοδο, κάθε επιστρεφόμενο byte αποθηκεύει οκτώ bits embedding, επομένως το μήκος λίστας bytes είναι το ένα όγδοο της επιλεγμένης διάστασης. Το πλήθος bytes και η διάσταση embedding έχουν διαφορετικά νοήματα. Επιλέξτε την αναπαράσταση που μπορεί να ερμηνεύσει το ευρετήριο αναζήτησής σας και εξετάστε τη συνάφεια υποψηφίων στα ερωτήματα και στις γλώσσες που πράγματι χρησιμοποιεί η συλλογή πριν επιλέξετε συμπιεσμένη διαμόρφωση.
Ο τρέχων οδηγός embeddings κειμένου του κατασκευαστή επιτρέπει έως 1000 συμβολοσειρές και 320.000 συνολικά tokens σε αίτημα voyage-4. Το όριο παρτίδας είναι χωριστό από το παράθυρο 32.000 tokens για κάθε είσοδο. Η περικοπή είναι ενεργή από προεπιλογή: το υπερβολικά μεγάλο κείμενο συντομεύεται για να χωρέσει. Αν η περικοπή απενεργοποιηθεί, ένα υπερβολικά μεγάλο στοιχείο παράγει σφάλμα.
Για μια μεγάλη αναφορά ή απομαγνητοφώνηση, προετοιμάστε συνειδητά αποσπάσματα που περιέχουν απαντήσεις αντί να βασίζεστε σε κόψιμο στο όριο εισόδου. Κρατήστε κάθε απόσπασμα συνδεδεμένο με το γονικό έγγραφό του και την έκδοση πηγής. Οι συνηθισμένες είσοδοι embeddings voyage-4 είναι μεμονωμένα κείμενα· η συμφραστική επεξεργασία ομάδων τμημάτων ανήκει στα χωριστά τεκμηριωμένα μοντέλα συμφραστικών embeddings.
Αποθηκεύστε τα διανύσματα με το κείμενο αποσπάσματος και σταθερά αναγνωριστικά πηγής, συγκρίνετε κάθε διάνυσμα ερωτήματος με τα συμβατά διανύσματα εγγράφων και επιστρέψτε υποψήφια αποσπάσματα. Η έκδοση της οικογένειας αξιολογεί ανάκτηση σε υλικό που περιλαμβάνει τεχνικά έγγραφα, συνομιλίες, μεγάλα έγγραφα, κώδικα, νομικά, χρηματοοικονομικά και κείμενο ιστού. Ένας χωριστός reranker μπορεί να βελτιώνει τους υποψηφίους και μεταγενέστερο στάδιο απάντησης μπορεί να χρησιμοποιεί το κείμενό τους. Αξιολογήστε αυτά τα επιστρεφόμενα αποσπάσματα ως προς την εργασία· η συμβατότητα κοινού χώρου επιτρέπει τον συνδυασμό μοντέλων, ενώ η χρησιμότητα ενός αποτελέσματος εξακολουθεί να εξαρτάται από το υλικό πηγής και το ερώτημα.
", "aboutText": "Το voyage-4 είναι το μοντέλο embeddings κειμένου μεσαίου μεγέθους της Voyage AI στην οικογένεια Voyage 4. Μετατρέπει το κείμενο ερωτήματος και εγγράφου σε αριθμητικά διανύσματα για ανάκτηση γενικής χρήσης και πολυγλωσσική ανάκτηση. Η καθοριστική δυνατότητα της οικογένειας είναι κοινός χώρος embeddings: τα voyage-4, voyage-4-large, voyage-4-lite και voyage-4-nano παράγουν συμβατές αναπαραστάσεις, επιτρέποντας στις πλευρές ερωτήματος και εγγράφου μιας εργασίας αναζήτησης να χρησιμοποιούν διαφορετικά μοντέλα αυτής της οικογένειας.\n\n### Κοινός χώρος και ασύμμετρη ανάκτηση\n\nΟ κατασκευαστής ονομάζει ασύμμετρη ανάκτηση τη χρήση διαφορετικών μοντέλων ερωτήματος και corpus. Ένα τεκμηριωμένο μοτίβο είναι η προετοιμασία του corpus με voyage-4-large και η αναζήτησή του με embeddings ερωτημάτων voyage-4. Τα embeddings του corpus δημιουργούνται μία φορά ή όταν αλλάζει το υλικό πηγής του, ενώ τα διανύσματα ερωτημάτων δημιουργούνται καθώς φτάνουν αναζητήσεις. Ο κοινός χώρος επιτρέπει αλλαγή επιλογής μοντέλου στην πλευρά ερωτήματος μέσα στην οικογένεια χωρίς απαίτηση εκ νέου embeddings του corpus αποκλειστικά για αυτή την αλλαγή.\n\nΚρατήστε τη διάσταση εξόδου και την αναπαράσταση συμβατές μεταξύ συγκρινόμενων διανυσμάτων. Η δήλωση κοινού χώρου αφορά τα ονομασμένα μοντέλα κειμένου Voyage 4· δεν τεκμηριώνεται απλώς επειδή δύο άσχετα μοντέλα επιστρέφουν πίνακες ίδιου μήκους. Μια πρακτική εργασία μπορεί επομένως να χρησιμοποιεί voyage-4 και στις δύο πλευρές αναζήτησης ή να χρησιμοποιεί τα διανύσματα ερωτημάτων του με υπάρχον ευρετήριο εγγράφων voyage-4-large όταν ταιριάζουν οι ρυθμίσεις αναπαράστασής τους.\n\n### Ρόλοι ερωτήματος και εγγράφου\n\nΓια ανάκτηση, η Voyage συνιστά προσδιορισμό του κειμένου εισόδου ως ερωτήματος ή εγγράφου. Η επιλογή ρόλου εισόδου παρέχει την αντίστοιχη οδηγία ανάκτησης πριν τη διανυσματοποίηση. Προετοιμάστε αποσπάσματα του corpus ως έγγραφα και τη διατύπωση αναζήτησης του χρήστη ως ερώτημα, κρατώντας το πραγματικό κείμενο πηγής και τα αναγνωριστικά μαζί με κάθε αποθηκευμένο διάνυσμα.\n\nΓια παράδειγμα, μια συλλογή αναζήτησης γνώσης μπορεί να ευρετηριάζει τεχνικές οδηγίες και επεξηγήσεις προϊόντων. Ένα ερώτημα για το τι συμβαίνει μετά από αποτυχημένη εισαγωγή πρέπει να επιστρέφει το απόσπασμα πηγής που περιγράφει αυτή τη συμπεριφορά. Διατηρήστε τις επικεφαλίδες, τις σχετικές συνθήκες και τη θέση πηγής μαζί με το απόσπασμα ώστε το αποτέλεσμα αναζήτησης να εξετάζεται ή να χρησιμοποιείται από μεταγενέστερο στάδιο απάντησης RAG. Το embedding είναι η αριθμητική αναπαράσταση ανάκτησης· το υποκείμενο απόσπασμα αποτελεί την τεκμηρίωση που χρησιμοποιείται σε εκείνο το μεταγενέστερο στάδιο.\n\n### Διαστάσεις και τύποι δεδομένων εξόδου\n\nΤο τεκμηριωμένο παράθυρο συμφραζομένων ανά κείμενο είναι 32.000 tokens. Οι επιλέξιμες διαστάσεις είναι 256, 512, 1024 και 2048, με προεπιλογή 1024. Η μάθηση Matryoshka παρέχει αυτά τα εμφωλευμένα μεγέθη αναπαράστασης. Η έξοδος μπορεί να χρησιμοποιεί κινητή υποδιαστολή 32 bits, προσημασμένους ή μη προσημασμένους ακεραίους 8 bits ή συσκευασμένες δυαδικές τιμές, χάρη στην προετοιμασία της οικογένειας που λαμβάνει υπόψη τον κβαντισμό.\n\nΜε συσκευασμένη δυαδική έξοδο, κάθε επιστρεφόμενο byte αποθηκεύει οκτώ bits embedding, επομένως το μήκος λίστας bytes είναι το ένα όγδοο της επιλεγμένης διάστασης. Το πλήθος bytes και η διάσταση embedding έχουν διαφορετικά νοήματα. Επιλέξτε την αναπαράσταση που μπορεί να ερμηνεύσει το ευρετήριο αναζήτησής σας και εξετάστε τη συνάφεια υποψηφίων στα ερωτήματα και στις γλώσσες που πράγματι χρησιμοποιεί η συλλογή πριν επιλέξετε συμπιεσμένη διαμόρφωση.\n\n### Μήκος εισόδου, παρτίδες και περικοπή\n\nΟ τρέχων οδηγός embeddings κειμένου του κατασκευαστή επιτρέπει έως 1000 συμβολοσειρές και 320.000 συνολικά tokens σε αίτημα voyage-4. Το όριο παρτίδας είναι χωριστό από το παράθυρο 32.000 tokens για κάθε είσοδο. Η περικοπή είναι ενεργή από προεπιλογή: το υπερβολικά μεγάλο κείμενο συντομεύεται για να χωρέσει. Αν η περικοπή απενεργοποιηθεί, ένα υπερβολικά μεγάλο στοιχείο παράγει σφάλμα.\n\nΓια μια μεγάλη αναφορά ή απομαγνητοφώνηση, προετοιμάστε συνειδητά αποσπάσματα που περιέχουν απαντήσεις αντί να βασίζεστε σε κόψιμο στο όριο εισόδου. Κρατήστε κάθε απόσπασμα συνδεδεμένο με το γονικό έγγραφό του και την έκδοση πηγής. Οι συνηθισμένες είσοδοι embeddings voyage-4 είναι μεμονωμένα κείμενα· η συμφραστική επεξεργασία ομάδων τμημάτων ανήκει στα χωριστά τεκμηριωμένα μοντέλα συμφραστικών embeddings.\n\n### Χρησιμοποιήστε το αποτέλεσμα ανάκτησης\n\nΑποθηκεύστε τα διανύσματα με το κείμενο αποσπάσματος και σταθερά αναγνωριστικά πηγής, συγκρίνετε κάθε διάνυσμα ερωτήματος με τα συμβατά διανύσματα εγγράφων και επιστρέψτε υποψήφια αποσπάσματα. Η έκδοση της οικογένειας αξιολογεί ανάκτηση σε υλικό που περιλαμβάνει τεχνικά έγγραφα, συνομιλίες, μεγάλα έγγραφα, κώδικα, νομικά, χρηματοοικονομικά και κείμενο ιστού. Ένας χωριστός reranker μπορεί να βελτιώνει τους υποψηφίους και μεταγενέστερο στάδιο απάντησης μπορεί να χρησιμοποιεί το κείμενό τους. Αξιολογήστε αυτά τα επιστρεφόμενα αποσπάσματα ως προς την εργασία· η συμβατότητα κοινού χώρου επιτρέπει τον συνδυασμό μοντέλων, ενώ η χρησιμότητα ενός αποτελέσματος εξακολουθεί να εξαρτάται από το υλικό πηγής και το ερώτημα.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9f4d0f835f7ed7655756ce10dcb4945ac46c5b2e522de99a5f92603e0b4a4192", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "el", "methods": [ { "html": "voyageai/voyage-4Το voyage-4 δημιουργεί embeddings κειμένου για ανάκτηση γενικής χρήσης και πολυγλωσσική ανάκτηση, με κοινό διανυσματικό χώρο στην οικογένεια Voyage 4. Υποστηρίζει εισόδους 32.000 tokens, επιλέξιμες εξόδους 256–2048 διαστάσεων και ρόλους query/document για αναζήτηση και RAG.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το voyage-4 είναι το μοντέλο embeddings κειμένου μεσαίου μεγέθους της Voyage AI στην οικογένεια Voyage 4. Μετατρέπει το κείμενο ερωτήματος και εγγράφου σε αριθμητικά διανύσματα για ανάκτηση γενικής χρήσης και πολυγλωσσική ανάκτηση. Η καθοριστική δυνατότητα της οικογένειας είναι κοινός χώρος embeddings: τα voyage-4, voyage-4-large, voyage-4-lite και voyage-4-nano παράγουν συμβατές αναπαραστάσεις, επιτρέποντας στις πλευρές ερωτήματος και εγγράφου μιας εργασίας αναζήτησης να χρησιμοποιούν διαφορετικά μοντέλα αυτής της οικογένειας.
Ο κατασκευαστής ονομάζει ασύμμετρη ανάκτηση τη χρήση διαφορετικών μοντέλων ερωτήματος και corpus. Ένα τεκμηριωμένο μοτίβο είναι η προετοιμασία του corpus με voyage-4-large και η αναζήτησή του με embeddings ερωτημάτων voyage-4. Τα embeddings του corpus δημιουργούνται μία φορά ή όταν αλλάζει το υλικό πηγής του, ενώ τα διανύσματα ερωτημάτων δημιουργούνται καθώς φτάνουν αναζητήσεις. Ο κοινός χώρος επιτρέπει αλλαγή επιλογής μοντέλου στην πλευρά ερωτήματος μέσα στην οικογένεια χωρίς απαίτηση εκ νέου embeddings του corpus αποκλειστικά για αυτή την αλλαγή.
Κρατήστε τη διάσταση εξόδου και την αναπαράσταση συμβατές μεταξύ συγκρινόμενων διανυσμάτων. Η δήλωση κοινού χώρου αφορά τα ονομασμένα μοντέλα κειμένου Voyage 4· δεν τεκμηριώνεται απλώς επειδή δύο άσχετα μοντέλα επιστρέφουν πίνακες ίδιου μήκους. Μια πρακτική εργασία μπορεί επομένως να χρησιμοποιεί voyage-4 και στις δύο πλευρές αναζήτησης ή να χρησιμοποιεί τα διανύσματα ερωτημάτων του με υπάρχον ευρετήριο εγγράφων voyage-4-large όταν ταιριάζουν οι ρυθμίσεις αναπαράστασής τους.
Για ανάκτηση, η Voyage συνιστά προσδιορισμό του κειμένου εισόδου ως ερωτήματος ή εγγράφου. Η επιλογή ρόλου εισόδου παρέχει την αντίστοιχη οδηγία ανάκτησης πριν τη διανυσματοποίηση. Προετοιμάστε αποσπάσματα του corpus ως έγγραφα και τη διατύπωση αναζήτησης του χρήστη ως ερώτημα, κρατώντας το πραγματικό κείμενο πηγής και τα αναγνωριστικά μαζί με κάθε αποθηκευμένο διάνυσμα.
Για παράδειγμα, μια συλλογή αναζήτησης γνώσης μπορεί να ευρετηριάζει τεχνικές οδηγίες και επεξηγήσεις προϊόντων. Ένα ερώτημα για το τι συμβαίνει μετά από αποτυχημένη εισαγωγή πρέπει να επιστρέφει το απόσπασμα πηγής που περιγράφει αυτή τη συμπεριφορά. Διατηρήστε τις επικεφαλίδες, τις σχετικές συνθήκες και τη θέση πηγής μαζί με το απόσπασμα ώστε το αποτέλεσμα αναζήτησης να εξετάζεται ή να χρησιμοποιείται από μεταγενέστερο στάδιο απάντησης RAG. Το embedding είναι η αριθμητική αναπαράσταση ανάκτησης· το υποκείμενο απόσπασμα αποτελεί την τεκμηρίωση που χρησιμοποιείται σε εκείνο το μεταγενέστερο στάδιο.
Το τεκμηριωμένο παράθυρο συμφραζομένων ανά κείμενο είναι 32.000 tokens. Οι επιλέξιμες διαστάσεις είναι 256, 512, 1024 και 2048, με προεπιλογή 1024. Η μάθηση Matryoshka παρέχει αυτά τα εμφωλευμένα μεγέθη αναπαράστασης. Η έξοδος μπορεί να χρησιμοποιεί κινητή υποδιαστολή 32 bits, προσημασμένους ή μη προσημασμένους ακεραίους 8 bits ή συσκευασμένες δυαδικές τιμές, χάρη στην προετοιμασία της οικογένειας που λαμβάνει υπόψη τον κβαντισμό.
Με συσκευασμένη δυαδική έξοδο, κάθε επιστρεφόμενο byte αποθηκεύει οκτώ bits embedding, επομένως το μήκος λίστας bytes είναι το ένα όγδοο της επιλεγμένης διάστασης. Το πλήθος bytes και η διάσταση embedding έχουν διαφορετικά νοήματα. Επιλέξτε την αναπαράσταση που μπορεί να ερμηνεύσει το ευρετήριο αναζήτησής σας και εξετάστε τη συνάφεια υποψηφίων στα ερωτήματα και στις γλώσσες που πράγματι χρησιμοποιεί η συλλογή πριν επιλέξετε συμπιεσμένη διαμόρφωση.
Ο τρέχων οδηγός embeddings κειμένου του κατασκευαστή επιτρέπει έως 1000 συμβολοσειρές και 320.000 συνολικά tokens σε αίτημα voyage-4. Το όριο παρτίδας είναι χωριστό από το παράθυρο 32.000 tokens για κάθε είσοδο. Η περικοπή είναι ενεργή από προεπιλογή: το υπερβολικά μεγάλο κείμενο συντομεύεται για να χωρέσει. Αν η περικοπή απενεργοποιηθεί, ένα υπερβολικά μεγάλο στοιχείο παράγει σφάλμα.
Για μια μεγάλη αναφορά ή απομαγνητοφώνηση, προετοιμάστε συνειδητά αποσπάσματα που περιέχουν απαντήσεις αντί να βασίζεστε σε κόψιμο στο όριο εισόδου. Κρατήστε κάθε απόσπασμα συνδεδεμένο με το γονικό έγγραφό του και την έκδοση πηγής. Οι συνηθισμένες είσοδοι embeddings voyage-4 είναι μεμονωμένα κείμενα· η συμφραστική επεξεργασία ομάδων τμημάτων ανήκει στα χωριστά τεκμηριωμένα μοντέλα συμφραστικών embeddings.
Αποθηκεύστε τα διανύσματα με το κείμενο αποσπάσματος και σταθερά αναγνωριστικά πηγής, συγκρίνετε κάθε διάνυσμα ερωτήματος με τα συμβατά διανύσματα εγγράφων και επιστρέψτε υποψήφια αποσπάσματα. Η έκδοση της οικογένειας αξιολογεί ανάκτηση σε υλικό που περιλαμβάνει τεχνικά έγγραφα, συνομιλίες, μεγάλα έγγραφα, κώδικα, νομικά, χρηματοοικονομικά και κείμενο ιστού. Ένας χωριστός reranker μπορεί να βελτιώνει τους υποψηφίους και μεταγενέστερο στάδιο απάντησης μπορεί να χρησιμοποιεί το κείμενό τους. Αξιολογήστε αυτά τα επιστρεφόμενα αποσπάσματα ως προς την εργασία· η συμβατότητα κοινού χώρου επιτρέπει τον συνδυασμό μοντέλων, ενώ η χρησιμότητα ενός αποτελέσματος εξακολουθεί να εξαρτάται από το υλικό πηγής και το ερώτημα.
POST /v1/embeddingstext, token_idsembedding| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια voyageai/voyage-4 | Προεπιλογή— |
Πεδίοinput | Τύποςstring|string[]|integer[]|integer[][] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 Συνθήκες: Μη κενή ομοιογενής παρτίδα. Τα ID των token είναι μη αρνητικοί ακέραιοι. Προϋπολογισμός εισόδου: Μέγιστο: 32.000 · Μονάδα κειμένου: byte UTF8 · Μονάδα token: στοιχεία πίνακα token | Προεπιλογή— |
Πεδίοencoding_format | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια float | Προεπιλογήfloat |
Πεδίοdimensions | Τύποςinteger | ΑπαίτησηΔεν υποστηρίζεται | Τιμές και όρια Ελάχιστο: 1 | Προεπιλογή— |
Πεδίοuser | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
Πεδίοsession_id | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
Πεδίοtrace | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίφθηκε | Προεπιλογή— |
text_to_embedding
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, input |
Παράμετροςinput_shapes | Σύμβασηstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Παράμετροςencoding_format | Σύμβασηfloat |
Παράμετροςdimensions_override | Σύμβασηfalse |
Παράμετροςmax_input_budget_units | Σύμβαση32000 |
Παράμετροςmultimodal_objects | Σύμβασηfalse |
Παράμετροςmaterial_types | Σύμβασηtext, token_ids |
Κύκλος ζωής: synchronous_json
Διατηρήστε τον δείκτη και τη διάσταση κάθε διανύσματος.
Το όνομα πολυτροπικού μοντέλου δεν επιτρέπει αντικείμενα εικόνας σε αυτήν ακριβώς τη διαδρομή.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.00012 / 1K token Έξοδος · Token εξόδου $0 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "voyageai/voyage-4", "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\nfrom 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='voyageai/voyage-4',input=["First document","Second document"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\njson
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε διάνυσμα με τον δείκτη του. Το πλήθος των διανυσμάτων πρέπει να ισούται με το πλήθος των στοιχείων εισόδου· οι διαστάσεις πρέπει να είναι συνεπείς.
Δεν εισάγεται endpoint εργασιών ενσωμάτωσης.
| Πεδίο | Τύπος |
|---|---|
Πεδίοobject | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοdata[].index | Τύποςinteger |
Πεδίοdata[].embedding | Τύποςfinite float[] |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra voyageai/voyage-4
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.